為什麼家庭中沒有更多的機器人？因為家庭是令人驚訝的複雜場所。自主系統首先在倉庫和工廠地板上蓬勃發展的很大一部分原因是在結構化的環境中導航相對容易。當然，大多數係統仍然需要在開始工作前繪製空間圖，但一旦繪製好了，往往就沒有什麼變化了。

另一方面，住宅則是一場噩夢。它們不僅在不同的單元之間有很大的差異，而且充滿了不友好的障礙物，而且往往是相當動態的，因為家具被移來移去或東西被留在地板上，這使得吸塵器一直是家庭中最普遍的機器人，它們在市場上銷售了幾十年後仍在不斷完善。

本週，麻省理工學院CSAIL的研究人員展示了PIGINet（計劃、圖像、目標和初始事實），它旨在為家用機器人系統帶來任務和運動規劃。該神經網絡旨在幫助精簡它們在不同環境中製定行動計劃的能力。

麻省理工學院這樣解釋PIGINet：

[它採用了一個變壓器編碼器，這是一個多功能的、最先進的模型，旨在對數據序列進行操作。在這種情況下，輸入序列是關於它正在考慮的任務計劃的信息、環境的圖像、以及初始狀態和期望目標的符號編碼。編碼器將任務計劃、圖像和文本結合起來，生成關於所選任務計劃的可行性的預測。]

該系統目前主要集中在基於廚房的活動上。它利用模擬的家庭環境來建立計劃，這些計劃需要與環境中各種不同的元素互動，如檯面、櫥櫃、冰箱、水槽等。研究人員說，在較簡單的情況下，PIGINet能夠減少80%的計劃時間。對於更複雜的情況，這個數字一般為20-50%左右。

該團隊認為，房屋裡的運用只是一個開始。

“PIGINet的實際應用並不局限於家庭，”博士生楊竹田說。”我們未來的目標是進一步完善PIGINet，在識別出不可行的行動後提出替代的任務計劃，這將進一步加快可行任務計劃的生成，而不需要大數據集來從頭訓練一個通用的計劃器。我們相信，這可能會徹底改變機器人在開發過程中的訓練方式，然後應用到每個人的家中”。