Systém umožňující robotům efektivně vykonávat přirozený jazyk

Sníte o budoucnosti, kde se roboti budou využívat k nejrůznějším činnostem, abychom je nemuseli dělat sami?

Pojď, přemýšlej o tom! Uklízet, vařit, dělat všechny naše domácí práce jsou jen některé z úžasných možností. Jaká úžasná možnost, že? Bohužel v tuto chvíli budete muset dál snít.

Zatímco tam jsou nějaké úžasní roboti robotů, které existují, ještě nejsou dostatečně adaptabilní, aby mohli efektivně provádět širokou škálu činností, jako je tato. Navíc, ačkoli technologie rozpoznávání řeči pokročila mílovými kroky, stále není dost dobrá pro použití s ​​roboty.

Nejlepším řešením pro získání něčeho jako hypotetického robotického komorníka, aby se řídil vašimi pokyny, by bylo napsat sadu pokynů.

Mluvené příkazy

Problém mluvených příkazů je v tom, že obsahují různé úrovně složitosti, i když to nemusí být vždy jasné.

Představte si, že říkáte svému robotovi: "Seber tu krabici támhle." Zdá se to dost jednoduché, ale je tu problém. Váš robot to bude muset před dokončením akce rozdělit do několika kroků. Možný scénář pro provedení tohoto příkazu je:

• Zapněte sledovací systém
• Zapněte kráčející motory
• Změnit směr
• Podnikněte nezbytné kroky
• Otočte končetiny
• Zavřít krabici
• Zvedací box

Jak vidíte, je to ve skutečnosti složitější, než se na první pohled zdálo. Nyní si představte tento příkaz ve srovnání s něčím jako: „Zapněte svůj sledovací systém“. Ačkoli je počet slov použitých k zadání těchto 2 příkazů podobný, jejich úroveň složitosti je na rozdíl od nich.

Jak to můžeme vyřešit? V současné době budou mít roboti potíže s určením různých úrovní složitosti mluvených příkazů.

Nebojte se, tým na Brown University vyvinula systém, který zlepšuje způsob, jakým roboti zpracovávají mluvené příkazy.

Jak přimět roboty, aby poslouchali vaše rozkazy: Systém umožňující robotům efektivně provádět mluvené příkazy

Výzkumníci z Brown použili data, která získali, k trénování svého systému, aby pochopil různé úrovně složitosti. Systém byl poté schopen shromáždit, jakou akci bylo třeba provést, a porozumět úrovním složitosti souvisejícím s různými větnými strukturami.

Tým z Brown University se rozhodl vyřešit problém, jak přimět roboty, aby prováděli mluvené příkazy, pomocí důmyslného systému. Použili oba Amazon Mechanický turek stejně jako nástroj nazvaný Virtual Cleanup World k vývoji jejich modelu.

Virtuální Cleanup World je doména virtuálních úloh. Skládá se z barevně odlišených místností, virtuálního robota a objektu, se kterým robot provádí úkoly.

Dobrovolníci z Mechanical Turk zjistili, které sady instrukcí vedly ke konkrétním akcím ve světě Cleanup. Nejprve pozorovali robota, jak provádí různé úkoly.

Poté byli dotázáni, jaké instrukční sady by podle nich fungovaly lépe. Dobrovolníci byli požádáni, aby vytvořili příkazy na vysoké, střední a nízké úrovni.

Příkazy na vysoké úrovni byly takové, jako například pokyn robotovi, aby odnesl židli do místnosti určité barvy. Příkazy nízké úrovně byly příkazy rozdělené do několika kroků. Příkazy střední úrovně kombinovaly vlastnosti příkazů vysoké a nízké úrovně.

Výzkumníci z Brown použili data, která získali, k trénování svého systému, aby pochopil různé úrovně složitosti. Systém byl poté schopen shromáždit, jakou akci bylo třeba provést, a porozumět úrovním složitosti souvisejícím s různými větnými strukturami.

Testování systému

Když byli roboti schopni zjistit požadovaný konečný výsledek a také porozumět úrovni složitosti úkolů, dokončili úkol za pouhou 1 sekundu v 90 procentech času.

Na základě toho bylo schopno vymyslet vhodný plán na základě vyslovených příkazů, které dostal. Po proškolení jejich systému nastal čas otestovat plody jejich práce. Výzkum opět využil Cleanup World a také skutečného robota operujícího ve fyzickém prostoru nastaveném podobně jako virtuální Cleanup World.

Když byli roboti schopni zjistit požadovaný konečný výsledek a také porozumět úrovni složitosti úkolů, dokončili úkol za pouhou 1 sekundu v 90 procentech času.

Když však došlo k selhání v chápání úrovně složitosti, dokončení úkolu trvalo déle. V tomto případě roboti potřebovali 20 nebo více sekund plánování, aby dokončili úkol.

Výzkumníci budou muset najít způsoby, jak tyto poruchy minimalizovat, aby vytvořili efektivnější systém.

Závěrečné myšlenky

Roboti mají před tím, než se stanou mainstreamem, před sebou ještě kus cesty. Tato práce nás však přibližuje k tomu, že máme roboty, kteří snadno porozumí příkazům, které jim předáváme. Do té doby si běžte mýt nádobí sami.