همانطور که TRI در یک ویدیوی جدید نشان داده است ، این سیستم قوی به ربات ها اجازه می دهد تا در طیف وسیعی از سناریوها ، از جمله در خانه های مختلف ، تعمیم دهند. این ویدئو ، که در روز ملی سلفی منتشر شده است ، زبانه گونه ای برای به دست آوردن این قابلیت های جدید روی فیلم است ، زیرا ربات در حالی که این مهارت های جدید را با افتخار در خانه انجام می دهد، در حال ضبط خود و سلفی گرفتن است.
ماکس باجراچاریا ، معاون رباتیک در TRI ، گفت: “هدف ما ایجاد توانایی های رباتیک است که توانایی های انسانی را تقویت کند.” “آموزش روبات ها برای درک نحوه کار در محیط خانه چالش های ویژه ای به دلیل تنوع و پیچیدگی خانه های ما ایجاد می کند که در آن کارهای کوچک می توانند به چالش های بزرگ اضافه شوند.”
در حالی که انسان به راحتی می تواند بین یک شی و انعکاس آن تفاوت قائل شود ، موارد شفاف یا بازتابنده ای که معمولاً در خانه یافت می شوند ، روبات های امروزی را سردرگم می کنند. از آنجایی که اکثر روبات ها طوری برنامه ریزی شده اند که بدون در نظر گرفتن زمینه شرایط نسبت به اشیا و هندسه مقابل خود واکنش نشان دهند ، به راحتی با یک میز شیشه ای ، توستر براق یا یک فنجان شفاف فریب می خورند.
باجراچاریا ادامه داد: “برای غلبه بر این نقیصه ، ربات گرایان TRI یک روش آموزشی جدید برای درک هندسه سه بعدی صحنه و در عین حال شناسایی اشیا و سطوح ایجاد کردند.” “این ترکیب محققان را قادر می سازد تا از مقدار زیادی داده مصنوعی برای آموزش سیستم استفاده کنند.” همچنین استفاده از داده های مصنوعی ، نیاز به جمع آوری و برچسب گذاری داده های وقت گیر ، گران قیمت یا غیرعملی را کاهش می دهد.
اگرچه هیچ سیستمی کامل نیست ، اما اعلامیه امروز به دانش کمک می کند تا به ربات ها برای پیمایش قابل اعتماد و کار در محیط های خانه کمک کند. این دستاورد فنی یک ربات را قادر می سازد تا به سرعت از “داده های قابل برنامه ریزی” – داده های مصنوعی برای بازآفرینی و یادگیری از مشکلات گذشته – بیاموزد و این یک نقطه عطف امیدوار کننده برای TRI و علوم رباتیک بشمار می رود.