Ett system för att göra det möjligt för robotar att utföra naturligt språk effektivt
Miscellanea / / December 02, 2021
Drömmer du om en framtid där robotar används för en mängd olika aktiviteter så att vi inte behöver göra dem själva?
Kom igen, tänk på det! Att städa, laga mat, göra alla våra sysslor är bara några av de fantastiska möjligheterna. Vilken underbar möjlighet va? Tyvärr måste du för tillfället fortsätta drömma.
Medan det finns några fantastiska robotar som finns där ute, är robotar ännu inte tillräckligt anpassningsbara för att utföra ett brett utbud av aktiviteter som denna effektivt. Dessutom, även om taligenkänningstekniken har avancerat med stormsteg, är den fortfarande inte tillräckligt bra för användning med robotar.
Din bästa insats för att få något som en hypotetisk robotbutler att följa dina instruktioner är att skriva instruktionsuppsättningen.
Talade kommandon
Problemet med talade kommandon är att de innehåller olika nivåer av komplexitet, även om detta kanske inte alltid är tydligt.
Föreställ dig att säga till din robot: "Plocka upp den där lådan där borta." Detta verkar enkelt men det finns ett problem. Din robot måste dela upp detta i ett antal steg innan den slutför åtgärden. Ett möjligt scenario för att utföra detta kommando är:
- Slå på spårningssystemet
- Slå på gångmotorer
- Byt riktning
- Ta nödvändiga åtgärder
- Rotera lemmar
- Klämlåda
- Lyftlåda
Som du kan se är detta faktiskt mer komplext än det först såg ut att vara. Föreställ dig nu det kommandot jämfört med något som "Slå på ditt spårningssystem." Även om antalet ord som används för att ge dessa 2 kommandon är liknande, är deras komplexitetsnivåer världar från varandra.
Hur kan vi lösa detta? Som det ser ut nu kommer robotar att ha problem med att räkna ut de olika komplexitetsnivåerna för talade kommandon.
Var inte rädd, ett team på Brown University har utvecklat ett system som förbättrar hur robotar hanterar talade kommandon.
Hur du får dina robotar att lyda dina order: ett system för att göra det möjligt för robotar att utföra talade kommandon effektivt
Forskarna vid Brown använde data de fick för att träna sitt system för att förstå olika komplexitetsnivåer. Systemet kunde sedan samla in vilka åtgärder som behövde utföras och förstå de komplexitetsnivåer som är förknippade med olika meningsstrukturer.
Teamet vid Brown University bestämde sig för att ta itu med problemet med att få robotar att utföra talade kommandon genom att använda ett genialt system. De använde båda Amazons Mekanisk turk samt ett verktyg som heter Virtual Cleanup World för att utveckla deras modell.
Virtual Cleanup World är en virtuell uppgiftsdomän. Den består av färgkodade rum, en virtuell robot och ett objekt för roboten att utföra uppgifter med.
Volontärer på Mechanical Turk kom på vilka instruktionsuppsättningar som ledde till särskilda handlingar i Cleanup-världen. Först observerade de roboten när den utförde en mängd olika uppgifter.
De tillfrågades sedan vilka instruktionsuppsättningar de trodde skulle fungera bättre. Volontärerna ombads skapa kommandon på hög nivå, mellannivå och låg nivå.
Kommandon på hög nivå var sådana som att instruera roboten att bära en stol till ett rum med en viss färg. Lågnivåkommandon var kommandon uppdelade i flera steg. Kommandon på mellannivå kombinerade funktionerna hos kommandon på hög och låg nivå.
Forskarna vid Brown använde data de fick för att träna sitt system för att förstå olika komplexitetsnivåer. Systemet kunde sedan samla in vilka åtgärder som behövde utföras och förstå de komplexitetsnivåer som är förknippade med olika meningsstrukturer.
Sätter systemet på prov
När robotarna kunde ta reda på det önskade slutresultatet, samt förstå hur komplexa uppgifterna var, slutförde de uppgiften på bara 1 sekund 90 procent av tiden.
Baserat på detta kunde den utarbeta en lämplig plan baserad på de talade kommandon den gavs. Efter att ha tränat deras system var det dags att testa frukterna av deras arbete. Forskning använde sig av Cleanup World än en gång såväl som en riktig robot som opererade i ett fysiskt utrymme inrättat på samma sätt som den virtuella Cleanup World.
När robotarna kunde ta reda på det önskade slutresultatet, samt förstå hur komplexa uppgifterna var, slutförde de uppgiften på bara 1 sekund 90 procent av tiden.
Men när det uppstod ett sammanbrott i förståelsen av komplexitetsnivån tog det längre tid att slutföra uppgiften. I det här fallet krävde robotarna 20 eller fler sekunders planering för att slutföra en uppgift.
Forskarna kommer att behöva hitta sätt att minimera dessa haverier för att skapa ett mer effektivt system.
Slutgiltiga tankar
Robotar har fortfarande en bra bit kvar innan de är mainstream. Men detta arbete för oss närmare robotar som lätt kan förstå de kommandon vi delar ut till dem. Tills dess, gå och diska din egen disk.