麻省理工学院的研究人员开发了PIGINet，这是一个新系统，旨在有效地提高家用机器人解决问题的能力，将规划时间缩短50-80%。
在正常情况下，家用机器人遵循预定义的执行任务的配方，这并不总是适合多样化或不断变化的环境。正如麻省理工学院所描述的那样，PIGINet是一个神经网络，它吸收了“计划、图像、目标和初始事实”，然后预测任务计划可以完善以找到可行的运动计划的概率。
该团队评估了新系统帮助机器人在厨房中发挥作用的能力。他们根据先前的方法衡量了在PIGINet的协助下解决问题所需的时间。
“因为每个人的家都是不同的，机器人应该是适应性强的问题解决者，而不仅仅是食谱的追随者。我们的关键想法是让通用任务规划师生成候选任务计划，并使用深度学习模型来选择有前途的任务计划。结果是一个更高效、适应性更强、更实用的家用机器人，甚至可以灵活地驾驭复杂和动态的环境。此外，PIGINet的实际应用并不局限于家庭，”麻省理工学院CSAIL博士生、这项工作的主要作者Zhutian Yang说。
“我们未来的目标是进一步完善PIGINet，在确定不可行的行动后提出替代任务计划，这将进一步加快可行任务计划的生成，而无需大数据集从头开始培训通用规划师。我们相信，这可能会彻底改变机器人在开发过程中训练的方式，然后应用于每个人的家中。”
韩国高等科学技术研究所（KAIST）人工智能研究生院助理教授Beomjoon Kim PhD'20在声明中说：“本文解决了实施通用机器人的基本挑战：如何从过去的经验中学习，在充满大量铰接和可移动障碍的非结构化环境中加快决策过程。”