A legtöbb, robotikához felhasználható mesterséges intelligenciát olyan környezetre fejlesztik, amelyet már ismer. Nem kell neki új helyeket felfedezni, új információkat befogadni, mert abban a környezetben dolgozik, amelyben tanult és fejlődött. A Kaliforniai és Texasi Egyetem kutatói viszont most olyan algoritmust fejlesztettek, amely az emberi látáshoz hasonlóan képes gyorsan felfogni az új környezetet is, méghozzá hasonló metódussal:
A kutatók különböző, 360 fokos képeken tréningezték az algoritmust, ami az új környezetben a korábban látottak alapján gyorsan kiegészíti a vizuális információit, és teljes képet alkot a helyszínről. Ugyanígy működik az emberi agy is: ha körbenézünk, nem figyelünk meg minden apró részletet, csak a nagy részét, a maradékot pedig az agyunk kipótolja nekünk. A mélytanulással dolgozó mesterséges intelligenciának mindössze a környezet nagyjából 20 százalékát kell megfigyelnie ahhoz, hogy hatékonyan fel tudja ismerni a helyszínt.
Az az igazán különleges az algoritmus működésében, hogy nem véletlenszerűen választja ki azt a bizonyos 20 százalékot, hanem az alapján, hogy az első néhány kép után a helyszín mely részletei hozhatják a legtöbb új információt. Ez az oka annak, hogy a gép viszonylag hamar tud megbízható 360 fokos képet készíteni az őt körülvevő környezetről.
Az egyik legnagyobb kihívás a mesterséges intelligencia megalkotásában az volt, hogy az záros határidőn belül tudja felismerni a környezetét. Az ezzel ellátott robotokat ugyanis mentő- és kutatóakciókban akarják felhasználni, ahol
A Texasi Egyetem kutatóinak nagyjából egy napra volt szükségük ahhoz, hogy megtanítsák a rendszert egy helyszín hatékony felismerésére, de felfedezték, hogy egy második robottal, az úgynevezett társrobottal nagyban fel lehet gyorsítani a módszert. A tanulás közben ez ugyanis képes extra információkkal ellátni a főrobotot, amely így gyorsabban tanul.
