โดยปกติแล้วหุ่นยนต์มักถูกสั่งการให้หาวัตถุตามชื่อเรียก แต่ในงานจริง หุ่นยนต์จำเป็นต้องหาวัตถุที่สามารถ 'ตอบโจทย์การใช้งาน' ได้ เช่น หาที่สำหรับนั่งพัก หรือหาวัตถุที่สามารถตักน้ำได้ งานวิจัยนี้จึงนำเสนอ FUSE (Active Functional Affordance Grounding) ซึ่งเป็นกรอบการทำงานที่รวมข้อมูลเชิงความหมาย (Semantic) และเรขาคณิต (Geometric) เข้าด้วยกัน
ระบบ FUSE ใช้แนวทางการสำรวจที่ขับเคลื่อนด้วยความไม่แน่นอน (Uncertainty-driven exploration) ร่วมกับตัววางแผนที่เรียนรู้มาล่วงหน้า (Learned Amortized Planner) เพื่อเลือกจุดมองที่จะให้ข้อมูลเกี่ยวกับฟังก์ชันของวัตถุได้ชัดเจนที่สุด แม้ว่าวัตถุนั้นจะถูกบดบังอยู่บางส่วนก็ตาม ผลการทดสอบพบว่า FUSE สามารถทำงานได้แม่นยำและลดภาระการประมวลผลลงถึง 1.33 เท่าเมื่อเทียบกับการสำรวจแบบปกติ
