Исследователи представили MessyNav — фреймворк, который помогает мобильным роботам ориентироваться в загромождённых пространствах и выбирать, что делать с препятствиями на пути. Система использует визуально-языковую модель, интерпретирующую изображения и текст, чтобы оценивать объекты и решать, сдвинуть их в сторону, поднять или обойти.
В испытаниях на реальных роботах команда сообщает об улучшении показателя успешности на 27 процентных пунктов по сравнению с самым сильным базовым методом. По данным исследователей, в более масштабной офлайн-оценке результаты также статистически значимо улучшились — при этом модель не обучали специально для выполнения этих задач.
Почему это важно
Для команд, создающих роботов для домов и других загромождённых пространств, MessyNav предлагает способ выбирать между перемещением предметов и обходом препятствий без специального обучения под конкретные задачи. Однако по аннотации нельзя судить о том, насколько хорошо система работает за пределами описанных испытаний.
