ในการแข่งขัน RoboCup@Home ปี 2026 Raphael Memmesheimer และทีม NimbRo ได้รับรางวัลงานวิจัยยอดเยี่ยม (Best Paper Award) จากการนำเสนอวิธี "Efficient Image Annotation via Semi-Supervised Object Segmentation with Label Propagation" ซึ่งมุ่งแก้ปัญหาข้อจำกัดด้านเวลาในการเตรียมหุ่นยนต์ให้รู้จักวัตถุใหม่ๆ ในสภาพแวดล้อมจริงที่มีเวลาเตรียมตัวเพียง 2 วัน
วิธีการของทีมคือการใช้โมเดลแบ่งส่วนวัตถุ (Segmentation) ร่วมกับการกระจายป้ายกำกับข้อมูล (Label Propagation) แบบกึ่งอัตโนมัติ ทำให้หุ่นยนต์สามารถสร้างโมเดลการมองเห็นเพื่อจำแนกวัตถุได้สูงสุดถึง 50 ชนิดอย่างรวดเร็ว เทคโนโลยีนี้ถูกนำไปใช้จริงในภารกิจที่ซับซ้อน เช่น การซักผ้า (Doing Laundry) ซึ่งหุ่นยนต์ต้องสามารถตรวจจับฝาเครื่องซักผ้า จับด้ามจับ และพับผ้าได้อย่างแม่นยำ เทคนิคนี้นับเป็นทางเลือกที่มีประสิทธิภาพมากกว่าแนวทางแบบ Open-vocabulary ในปัจจุบันที่ยังทำงานได้ไม่ดีนักเมื่อต้องแยกแยะวัตถุจำนวนมากในหมวดหมู่เดียวกัน
