Egyre nehezebb lesz megállítani a robotokat holmi szedett-vedett barikáddal, derült ki a Dél-Koreában megrendezett IROS 2016 konferencián. A Google DeepMind csapata és a Georgia Tech emberei a rendezvényen mutatták be a "Navigation Among Movable Obstacles with Learned Dynamic Constraints" rendszert, aminek segítségével a robotok felismerik a tárgyakat, és nem csak akadályként tekintenek rájuk, hanem ha úgy ítélik meg, gond nélkül elpakolják azokat az útból.

A problémakör otthoni környezetben és a raktárakban, irodákban is előfordul, például asztalok, székek, szekrények (stb.) formájában. De míg egy üres asztal eltolása nem jár különösebb kockázattal, mondjuk egy kémialaborban már óvatosabbnak kell lenni.

A demonstrációban a Georgia Tech Golem Krang robotja próbál átjutni az akadályokon. A második videón megfigyelhető, hogy nem teljesen azt várja a két asztal együttes mozgatásától, mint ami a valóságban történik, ezért új tervvel áll elő, majd végül csak eljut a célig. A fizikai modellezésre alapuló adaptív tanulás egészen úgy működik, ahogy az emberek csinálják, ez pedig eddig nagyon hiányzott a gépekből, amik egyszerűen tudomásul vették, hogy vagy ki kell kerülni az adott akadályt, vagy ha az nem lehetséges, akkor más utat választottak.

A kutatók most azon dolgoznak, hogy Krang a videókon látható tevékenységét bármilyen környezetben el tudja végezni, és ehhez csak a hat kamerára, illetve némi előre beprogramozott mozgatási szabályra legyen szüksége.