Et system for å gjøre det mulig for roboter å utføre naturlig språk effektivt

Drømmer du om en fremtid der roboter brukes til en rekke aktiviteter slik at vi ikke trenger å gjøre dem selv?

Kom igjen, tenk på det! Rengjøring, matlaging, gjøre alle oppgavene våre er bare noen av de fantastiske mulighetene. For en fantastisk mulighet ikke sant? Dessverre, for øyeblikket må du fortsette å drømme.

Mens det er noen fantastiske roboter som finnes der ute, er roboter ennå ikke tilpasningsdyktige nok til å utføre et bredt spekter av aktiviteter som dette effektivt. Dessuten, selv om talegjenkjenningsteknologien har avansert med stormskritt, er den fortsatt ikke god nok for bruk med roboter.

Det beste alternativet for å få noe som en hypotetisk robotbutler til å følge instruksjonene dine, er å skrive instruksjonssettet.

Talte kommandoer

Problemet med talte kommandoer er at de inneholder varierende nivåer av kompleksitet, selv om dette kanskje ikke alltid er klart.

Tenk deg å fortelle roboten din: "Plukk opp den boksen der borte." Dette virker enkelt nok, men det er et problem. Roboten din må dele dette ned i en rekke trinn før du fullfører handlingen. Et mulig scenario for å utføre denne kommandoen er:

• Slå på sporingssystemet
• Slå på gangmotorer
• Endre retning
• Ta nødvendige skritt
• Roter lemmer
• Clench boks
• Løfteboks

Som du kan se, er dette faktisk mer komplekst enn det først så ut til å være. Tenk deg nå den kommandoen sammenlignet med noe sånt som "Slå på sporingssystemet ditt." Selv om antallet ord som brukes til å gi disse to kommandoene er likt, er kompleksitetsnivåene deres verden fra hverandre.

Hvordan kan vi løse dette? Slik det står nå, vil roboter ha problemer med å finne ut de forskjellige kompleksitetsnivåene til talte kommandoer.

Frykt ikke, et lag kl Brown University har utviklet et system som forbedrer måten roboter håndterer talte kommandoer på.

Hvordan få robotene dine til å adlyde ordrene dine: Et system for å gjøre det mulig for roboter å utføre talte kommandoer effektivt

Forskerne ved Brown brukte dataene de fikk til å trene systemet deres til å forstå ulike nivåer av kompleksitet. Systemet var da i stand til å samle hvilken handling som måtte utføres og forstå kompleksitetsnivåene knyttet til ulike setningsstrukturer.

Teamet ved Brown University bestemte seg for å takle problemet med å få roboter til å utføre talte kommandoer ved å bruke et genialt system. De brukte begge Amazons Mekanisk Turk samt et verktøy kalt Virtual Cleanup World for å utvikle modellen deres.

Virtual Cleanup World er et virtuelt oppgavedomene. Den består av fargekodede rom, en virtuell robot og et objekt som roboten kan utføre oppgaver med.

Frivillige ved Mechanical Turk fant ut hvilke instruksjonssett som førte til spesielle handlinger i Cleanup-verdenen. Først observerte de roboten mens den utførte en rekke oppgaver.

De ble deretter spurt om hvilke instruksjonssett de mente ville fungere bedre. De frivillige ble bedt om å lage kommandoer på høyt nivå, mellomnivå og lavt nivå.

Kommandoer på høyt nivå var slike som å instruere roboten til å bære en stol til et rom med en bestemt farge. Kommandoer på lavt nivå var kommandoer delt opp i flere trinn. Kommandoer på mellomnivå kombinerte funksjonene til kommandoer på høyt og lavt nivå.

Forskerne ved Brown brukte dataene de fikk til å trene systemet deres til å forstå ulike nivåer av kompleksitet. Systemet var da i stand til å samle hvilken handling som måtte utføres og forstå kompleksitetsnivåene knyttet til ulike setningsstrukturer.

Setter systemet på prøve

Da robotene klarte å finne ut det ønskede sluttresultatet, samt forstå kompleksitetsnivået til oppgavene, fullførte de oppgaven på bare 1 sekund 90 prosent av tiden.

Basert på dette var den i stand til å utarbeide en passende plan basert på de talte kommandoene den ble gitt. Etter å ha trent systemet deres, var det på tide å teste fruktene av arbeidet deres. Forskning benyttet seg av Cleanup World igjen, så vel som en ekte robot som opererer i et fysisk rom satt opp på samme måte som den virtuelle Cleanup World.

Da robotene klarte å finne ut det ønskede sluttresultatet, samt forstå kompleksitetsnivået til oppgavene, fullførte de oppgaven på bare 1 sekund 90 prosent av tiden.

Men når det var et sammenbrudd i forståelsen av kompleksitetsnivået, tok fullføringen av oppgaven lengre tid. I dette tilfellet krevde robotene 20 eller flere sekunder med planlegging for å fullføre en oppgave.

Forskerne må finne måter å minimere disse sammenbruddene for å skape et mer effektivt system.

Siste tanker

Roboter har fortsatt en god vei å gå før de er mainstream. Dette arbeidet bringer oss imidlertid nærmere roboter som lett kan forstå kommandoene vi deler ut til dem. Inntil da, vask din egen oppvask.