Forskare har presenterat MessyNav, ett ramverk som hjälper mobila robotar att ta sig fram i stökiga miljöer genom att avgöra vad de ska göra med hinder i vägen. Det använder en vision-language-modell – ett system som tolkar bilder och text – för att bedöma föremål innan roboten planerar om den ska fösa undan dem, plocka upp dem eller undvika dem.
I försök med riktiga robotar rapporterar forskargruppen en förbättring på 27 procentenheter i framgångsgrad jämfört med den starkaste jämförelsemetoden. Forskarna rapporterar också statistiskt signifikanta förbättringar i en större utvärdering offline, utan att ha tränat systemet särskilt för uppgifterna.
Varför det spelar roll
För team som bygger robotar för hem eller andra stökiga miljöer erbjuder MessyNav ett sätt att välja mellan att flytta undan föremål och att undvika dem, utan uppgiftsspecifik träning. Sammanfattningen visar däremot inte hur väl systemet fungerar utanför de redovisade utvärderingarna.
