部屋の地図を見ればドアの位置は分かるが、どちらに開くのか、どれほどの力が必要なのかは分からない。Dibyendu Ghosh氏が提案した方法は、動く部品の性質について、まだ分からない部分も含めて記録する方法だ。ロボットが引く力を測ると情報が更新され、計画を立てる仕組みは、決めた危険度の範囲で動かせそうかを問い合わせられる。

動く様子を見ただけでは仕組みを一つに決められない。実際に引いて測った情報も、その部品と引いた方向についての証拠に限られる。そこで複数の可能性と確からしさを残し、形が似た未確認の部品にも一部の情報を共有する。証拠が足りなければ答えを保留できる。

18軒の本物のドアと引き出しでは、部品のつなぎ目の種類を86％で判定した。比較した画像一枚の方法は48％だった。動きの予測誤差は比較対象より小さく、計算時間も一例当たり13ミリ秒と報告された。ただし、すべての家庭や機械で安全に使えると証明した結果ではない。

新しい技術を考える時には、一度できたことと、何度でも安定してできることを分けたい。初めて行く学校で道を探す時、目印を一つ覚えただけでは、通れない道があったら困る。ロボットの学習も同じで、見たことのない物や少し違う場所で試す必要がある。論文の数字は、そこで決めた試験の結果だ。どんな時に失敗したのか、人が助けた場面はあったのか、何を変えて試したのかを考えると、発明がどこまで進んだかをもっと正確に理解できる。 引く力、動く方向、予測の不確かさを別々に測ることが大切だ。知らないドアを開ける前には、間違って安全と判断した場合も調べる必要がある。 参考として、この仕組みの名前はPhysVLMMだ。