Egy új kutatás szerint a kutyaszerű robotok a mesterséges intelligencia és a gépi látás segítségével egyszer képessé válhatnak a tárgyak visszahozására, vagyis az apportírozásra. Az MIT csapata által kidolgozott Clio nevű módszer lehetővé teszi a robotok számára, hogy testükön lévő kamerák révén gyorsan feltérképezzék környezetüket, és egyéni hangutasítások alapján azonosítsák a feladatuk szempontjából releváns részleteket.
A Clio az információs szűk keresztmetszet elméletét alkalmazza, amely szerint a neurális hálózat (vagyis az az emberi agy működését imitáló algoritmus) csak a feladathoz szükséges, releváns információkat választja ki és tárolja el. Például, ha egy könyvhalomból csak egy zöld könyv szükséges, akkor a rendszer úgy szűkíti az információkat, hogy a robot végül csak a zöld könyvet képviselő adatokat tárolja el és dolgozza fel. Dominic Maggio, az MIT hallgatója és a projekt egyik tagja szerint ez a szűk keresztmetszet lehetővé teszi, hogy a robot kizárólag az aktuális feladat szempontjából fontos objektumokra összpontosítson, figyelmen kívül hagyva minden egyéb tárgyat.
A kutatók a Boston Dynamics Spot nevű négylábú robotját használták a Clio rendszer tesztelésére. A Spot feladata egy irodaépület feltérképezése és különböző utasítások teljesítése volt. A valós idejű térkép készítésével a robot csak azokat az objektumokat rögzítette, amelyek a feladataihoz kapcsolódtak, így hatékonyabban tudta végrehajtani azokat.
A robotika területén a Clio rendszer áttörésnek számít, mivel a neurális hálózatok egyre nagyobb pontossággal azonosítanak tárgyakat, és a valós idejű, intuitív döntéshozatal jelentősen növeli az AI-alapú robotok alkalmazhatóságát. A kutatók célja most értelemszerűen az, hogy a Cliót fejlettebb, komplexebb feladatokra is alkalmassá tegyék, ezáltal új lehetőségeket nyitva meg a robotika világában.
A Clio fejlődése alapvető változásokat hozhat abban, ahogyan a mesterséges intelligencia és a robotok képesek intuitív módon, feladatorientáltan dolgozni, ami számos iparágban új távlatokat nyithat.