Onderzoekers hebben MessyNav geïntroduceerd, een framework waarmee mobiele robots door rommelige ruimtes kunnen navigeren door te bepalen wat ze met obstakels op hun route moeten doen. Het gebruikt een vision-language-model — een systeem dat beelden en tekst interpreteert — om objecten te beoordelen en vervolgens te bepalen of de robot ze opzij moet duwen, oppakken of vermijden.
Bij tests met echte robots meldt het team een verbetering van 27 procentpunten in het slagingspercentage ten opzichte van de sterkste vergelijkingsmethode. Ook in een grotere offline evaluatie vonden de onderzoekers statistisch significante verbeteringen, zonder specifiek voor de taken te trainen.
Waarom het ertoe doet
Voor teams die robots bouwen voor woningen of andere rommelige ruimtes biedt MessyNav een manier om te kiezen tussen objecten verplaatsen en ze vermijden, zonder taakspecifieke training. Uit het abstract blijkt niet hoe goed het systeem buiten de beschreven evaluaties werkt.
