نظام لتمكين الروبوتات من تنفيذ اللغة الطبيعية بشكل فعال

هل تحلم بمستقبل تُستخدم فيه الروبوتات في مجموعة متنوعة من الأنشطة حتى لا نضطر إلى القيام بها بأنفسنا؟

هيا، تفكر في ذلك! التنظيف والطبخ والقيام بجميع الأعمال المنزلية ليست سوى عدد قليل من الاحتمالات المدهشة. ما هي احتمالية رائعة أليس كذلك؟ لسوء الحظ ، في هذه اللحظة عليك أن تستمر في الحلم.

بينما يوجد البعض روبوتات مذهلة الموجودة هناك ، الروبوتات ليست قابلة للتكيف بشكل كافٍ حتى الآن للقيام بمجموعة واسعة من الأنشطة مثل هذه بشكل فعال. علاوة على ذلك ، على الرغم من تقدم تقنية التعرف على الكلام بسرعة فائقة ، إلا أنها لا تزال غير جيدة بما يكفي للاستخدام مع الروبوتات.

أفضل رهان للحصول على شيء مثل خادم روبوت افتراضي لاتباع تعليماتك هو كتابة مجموعة التعليمات.

أوامر منطوقة

تكمن مشكلة الأوامر المنطوقة في أنها تحتوي على مستويات مختلفة من التعقيد ، على الرغم من أن هذا قد لا يكون واضحًا دائمًا.

تخيل أنك تخبر الروبوت الخاص بك ، "التقط هذا الصندوق هناك." يبدو هذا بسيطًا بدرجة كافية ولكن هناك مشكلة. سيتعين على الروبوت الخاص بك تقسيم هذا إلى عدد من الخطوات قبل إكمال الإجراء. السيناريو المحتمل لتنفيذ هذا الأمر هو:

• قم بتشغيل نظام التتبع
• قم بتشغيل محركات المشي
• غير الاتجاه
• اتخذ الخطوات اللازمة
• قم بتدوير الأطراف
• صندوق التثبيت
• صندوق الرفع

كما ترون ، هذا في الواقع أكثر تعقيدًا مما بدا عليه للوهلة الأولى. تخيل الآن هذا الأمر مقارنة بشيء مثل ، "قم بتشغيل نظام التتبع الخاص بك." على الرغم من أن عدد الكلمات المستخدمة لإعطاء هذين الأمرين متشابه ، إلا أن مستويات تعقيدها متباعدة عن بعضها البعض.

كيف يمكننا حل هذا؟ كما هو الحال الآن ، ستواجه الروبوتات مشكلة في معرفة المستويات المختلفة من تعقيد الأوامر المنطوقة.

لا تخف ، فريق في جامعة براون طور نظامًا يحسن طريقة تعامل الروبوتات مع الأوامر المنطوقة.

كيف تجعل الروبوتات الخاصة بك تمتثل لأوامرك: نظام لتمكين الروبوتات من تنفيذ الأوامر المنطوقة بفعالية

استخدم الباحثون في براون البيانات التي حصلوا عليها لتدريب نظامهم على فهم مستويات مختلفة من التعقيد. كان النظام بعد ذلك قادرًا على جمع الإجراء المطلوب تنفيذه وفهم مستويات التعقيد المرتبطة بتراكيب الجمل المختلفة.

قرر الفريق في جامعة براون معالجة مشكلة جعل الروبوتات تنفذ الأوامر المنطوقة باستخدام نظام مبتكر. استخدموا كلا من أمازون الترك الميكانيكية بالإضافة إلى أداة تسمى Virtual Cleanup World لتطوير نموذجهم.

عالم التنظيف الافتراضي هو مجال مهام افتراضي. وهو يتألف من غرف مرمزة بالألوان وروبوت افتراضي وكائن يستخدمه الروبوت لتنفيذ المهام.

اكتشف المتطوعون في Mechanical Turk مجموعات التعليمات التي أدت إلى إجراءات معينة في عالم التنظيف. أولاً ، لاحظوا الروبوت أثناء قيامه بمجموعة متنوعة من المهام.

ثم سُئلوا عن مجموعات التعليمات التي يعتقدون أنها ستعمل بشكل أفضل. طُلب من المتطوعين إنشاء أوامر عالية المستوى ومتوسطة المستوى ومنخفضة المستوى.

كانت الأوامر عالية المستوى هي تلك الأوامر مثل توجيه الروبوت لحمل كرسي إلى غرفة ذات لون معين. كانت الأوامر ذات المستوى المنخفض عبارة عن أوامر مقسمة إلى عدة خطوات. تجمع أوامر المستوى المتوسط ​​بين ميزات الأوامر عالية ومنخفضة المستوى.

استخدم الباحثون في براون البيانات التي حصلوا عليها لتدريب نظامهم على فهم مستويات مختلفة من التعقيد. كان النظام بعد ذلك قادرًا على جمع الإجراء المطلوب تنفيذه وفهم مستويات التعقيد المرتبطة بتراكيب الجمل المختلفة.

وضع النظام على المحك

عندما تمكنت الروبوتات من معرفة النتيجة النهائية المرجوة ، وكذلك فهم مستوى تعقيد المهام ، فقد أكملوا المهمة في ثانية واحدة فقط 90٪ من الوقت.

بناءً على ذلك ، تمكنت من وضع خطة مناسبة بناءً على الأوامر المنطوقة التي أعطيت لها. بعد تدريب نظامهم ، حان الوقت لاختبار ثمار عملهم. استفاد البحث من Cleanup World مرة أخرى بالإضافة إلى روبوت حقيقي يعمل في مساحة مادية تم إنشاؤها بشكل مشابه لعالم التنظيف الافتراضي.

عندما تمكنت الروبوتات من معرفة النتيجة النهائية المرجوة ، وكذلك فهم مستوى تعقيد المهام ، فقد أكملوا المهمة في ثانية واحدة فقط 90٪ من الوقت.

ومع ذلك ، عندما يكون هناك انهيار في فهم مستوى التعقيد ، يستغرق إكمال المهمة وقتًا أطول. في هذه الحالة ، تطلبت الروبوتات 20 ثانية أو أكثر من التخطيط لإكمال المهمة.

سيحتاج الباحثون إلى إيجاد طرق لتقليل هذه الأعطال لإنشاء نظام أكثر كفاءة.

افكار اخيرة

لا يزال أمام الروبوتات طريق طويل قبل أن تصبح سائدة. ومع ذلك ، فإن هذا العمل يقربنا من امتلاك روبوتات يمكنها بسهولة فهم الأوامر التي نوجهها إليهم. حتى ذلك الحين ، اذهب واغسل أطباقك الخاصة.