日常生活中的隐患？使机器人主动检测并解决异常

现有的家用机器人在执行日常任务（如清洁地板或递送物品）方面取得了显著进展。然而，这些机器人的一个关键限制是无法识别家庭环境中的潜在问题或危险。例如，儿童可能捡起并吞食掉落在地板上的药物，构成严重风险。我们认为家用机器人应主动检测家庭中的此类隐患或异常，并提出了异常场景生成任务。我们利用基础模型而非依赖人工标注数据来构建模拟环境。具体而言，我们引入了一种多智能体头脑风暴方法，其中智能体协作并生成涵盖家庭隐患、卫生管理和儿童安全的多样化场景。这些文本任务描述随后与设计的 3D 资产集成，以模拟真实环境。在这些构建的环境中，机器人智能体通过任务分解和最优学习方法选择，学习必要的技能来主动发现并处理所提出的异常。我们证明，我们生成的环境在任务描述和场景多样性方面优于其他方法，最终使机器人智能体能够更好地应对潜在的家庭隐患。