為甚麼沒有更多的機器人進入家庭？這個問題挺複雜。
自主機器人系統之所以能夠在倉庫和工廠車間蓬勃發展，很大程度上是因為在結構化環境中導航相對容易。與之相反，住宅是機器人的噩夢，不僅因環境迥異，充滿了不友好的障礙物，而且往往是動態的，因為家具會被移動，東西會被留在地板上。真空吸塵器是家庭中最常見的機器人，上市幾十年後仍在不斷改進。
科技網站TechCrunch報道，麻省理工大學（MIT）電腦科學人工智能實驗室（CSAIL）的研究人員最新推出一個PIGINet（計劃、圖像、目標和初始事實的英文縮寫）系統，旨在為家用機器人系統做任務和運動規劃。
該神經網絡旨在簡化機器人在不同環境中制定行動計劃的功能。研究人員解釋，「PIGINet採用多功能的先進編碼器模型，用於在數據序列上運行。在這裡，輸入序列是關於它正在考慮的任務計劃的信息、環境圖像以及初始狀態和預期目標的符號編碼。編碼器將任務計劃、圖像和文本結合起來，來預測所選任務計劃的可行性。」
目前，該系統主要側重於廚房活動，它利用模擬家庭環境來構建需要與環境中各種不同元素（如檯面、櫥櫃、冰箱、水槽等）進行交互的計劃。研究人員稱，在較為簡單的情況下，PIGINet能夠將計劃時間縮短80%。對於較為複雜的情況，一般在可縮短20-50%左右。
研究團體認為，住房只是一個開始。「PIGINet的實際應用不僅限於家庭」。該團隊華裔博士生Zhutian Yang(音譯：楊諸天）說，「我們未來的目標是進一步完善PIGINet，在識別出不可行的行動後提出替代計劃，這將進一步加快生成可行的任務計劃，而無需大數據集從頭開始訓練通用規劃器。我們相信，這將徹底改變機器人在開發過程中的訓練方式，然後應用到每個人的家中。」
