如果机器人知道A点是客厅沙发，而B点是冰箱，即使它不在一个陌生的地方，从A点到B点的机器人也会更有效率。这就是卡内基·梅隆大学和Facebook AI Research(FAIR)开发的“语义”导航系统背后的常识性想法。
这种名为SemExp的导航系统上个月在虚拟计算机视觉和模式识别会议上赢得了人居ObjectNav挑战赛，该会议由来自三星研究中国的团队组成。这是CMU团队在年度挑战赛中连续第二次获得第一名。
SemExp(即目标导向的语义探索)使用机器学习训练机器人识别物体(例如，知道厨房桌子和茶几之间的区别)，并了解在家里的何处可能发现这些物体。博士学位的Devendra S. Chaplot说，这使系统可以战略性地思考如何搜索事物。CMU机器学习系的学生。
Chaplot说：“常识说，如果您要买冰箱，最好去厨房。” 相比之下，经典的机器人导航系统通过构建显示障碍物的地图来探索空间。机器人最终到达了需要去的地方，但是路线可能是circuit回的。
以前使用机器学习来训练语义导航系统的尝试受到了阻碍，因为它们倾向于记住对象及其在特定环境中的位置。这些环境不仅复杂，而且系统通常难以将其学到的知识推广到不同的环境。
