地球编剧在无限研究人员开发了一个由常识驱动的机器人导航系统。它能够利用机器学习技术教机器人识别、寻找物体，从而让机器人进行更有策略性的搜索。

　　试想，如果机器人懂得A点是客厅沙发，B点是冰箱，以及两者之间的联系与区别的话，那么它从A点移动到B点的效率就会更高——即便它身处陌生环境之中。

　　据美国“优睿科”网站7月20日消息称，美国卡耐基梅隆大学和Facebook人工智能研究中心（FAIR）联合开发的“SemExp”导航系统，上个月在虚拟计算机视觉和模式识别大会中击败了三星中国研究院开发的系统，赢得了Habitat ObjectNav挑战赛。这是卡耐基梅隆大学团队连续两年在年度挑战赛中获得冠军。

　　SemExp可以采用机器学习技术训练机器人识别物体。例如，让它了解厨房、桌子和茶几之间的区别，以及能在家中哪里找到它们。

　　卡耐基梅隆大学机器学习系的博士生Devendra S. Chaplot指出，这项技术能让人工智能系统战略性地思考如何搜索特定物品。她说：“常识告诉我们，如果你在找冰箱，就最好去厨房。”

　　相比之下，传统的机器人导航系统会通过绘制显示障碍物的地图来探索空间。尽管机器人最终也能抵达它需要去的地方，但是路径却可能非常曲折。

　　Chaplot表示，SemExp是一个模块化系统，它可以利用其语义洞察力来确定特定搜索对象的最佳位置。她解释道：“一旦它决定了目标，就会按传统规划方式前往目的地。”

　　事实证明，这种模块化的方法在多个方面都是富有成效的。机器学习的过程可以集中在物体和房间布局之间的关系上，而不是学习怎么进行路线规划。一方面，语义推理的结果决定了什么是最有效的搜索策略。另一方面，经典的导航规划能让机器人尽可能迅速地到达目的地。语义导航的终极意义在于，它将使人与机器人的交互变得更容易，或者直接用言语为它指明方向。