由于家庭是令人惊奇的杂乱场所。自主体系首先在库房和工厂地板上欣欣向荣的很大一部分原因是在结构化的环境中导航相对简略。当然，大多数体系依然需要在开端作业前制作空间图，但一旦制作好了，往往就没什么变化了。 另一方面，住所则是一场噩梦。它们不仅在不同的单元之间有很大的差异，并且充满了不友好的障碍物，并且往往是适当动态的，因家具被移来移去或东西被留在地板上，这使得吸尘器一直是家庭中最遍及的机器人，它们在市场上出售了几十年后仍在不断完善。 本周，麻省理工学院CSAIL的研究人员展现了PIGINet（方案、图画、方针和初始现实），它旨在为家用机器人体系带来使命和运动规划。该神经网络旨在协助精简它们在不同环境中拟定举动方案的才能。 [它采用了一个变压器编码器，这是一个多功能的、最先进的模型，旨在对数据序列做相关操作。在这种状况下，输入序列是关于它正在考虑的使命方案的信息、环境的图画、以及初始状况和希望方针的符号编码。编码器将使命方案、图画和文本结合起来，生成关于所选使命方案的可行性的猜测。] 该体系现在大多散布在在根据厨房的活动上。它使用模仿的家庭环境来树立方案，这些方案需要与环境中各种不同的元素互动，如台面、橱柜、冰箱、水槽等。研究人员说，在较简略的状况下，PIGINet可以削减80%的方案时刻。关于更杂乱的状况，这一个数字一般为20-50%左右。 PIGINet的实践使用并不局限于家庭，博士生杨竹田说。咱们未来的方针是加强完善PIGINet，在识别出不可行的举动后提出代替的使命方案，这将进一步加速可行使命方案的生成，而不需要大数据集来从头练习一个通用的方案器。咱们一直信任，这可能会彻底改变机器人在开发过程中的练习方法，然后使用到每个人的家中。
