另一方面，住宅则是一场噩梦。它们不仅在不同的单元之间有很大的差异，而且充满了不友好的障碍物，而且往往是相当动态的，因为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普遍的机器人，它们在市场上销售了几十年后仍在不断完善。
本周，麻省理工学院CSAIL的研究人员展示了PIGINet（计划、图像、目标和初始事实），它旨在为家用机器人系统带来任务和运动规划。该神经网络旨在帮助精简它们在不同环境中制定行动计划的能力。
麻省理工学院这样解释PIGINet：
[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，旨在对数据序列进行操作。在这种情况下，输入序列是关于它正在考虑的任务计划的信息、环境的图像、以及初始状态和期望目标的符号编码。编码器将任务计划、图像和文本结合起来，生成关于所选任务计划的可行性的预测。]
该系统目前主要集中在基于厨房的活动上。它利用模拟的家庭环境来建立计划，这些计划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，在较简单的情况下，PIGINet能够减少80%的计划时间。对于更复杂的情况，这个数字一般为20-50%左右。
该团队认为，房屋里的运用只是一个开始。
"PIGINet的实际
应用并不局限于家庭，"博士生杨竹田说。"我们未来的目标是进一步完善PIGINet，在识别出不可行的行动后提出替代的任务计划，这将进一步加快可行任务计划的生成，而不需要大数据集来从头训练一个通用的计划器。我们相信，这可能会彻底改变机器人在开发过程中的训练方式，然后应用到每个人的家中"。
