Система, яка дозволяє роботам ефективно виконувати природну мову

Ви мрієте про майбутнє, де роботів використовуватимуть для різноманітних видів діяльності, щоб нам не доводилося виконувати їх самостійно?

Давай, подумай! Прибирання, приготування їжі, виконання всіх домашніх обов’язків – це лише деякі з чудових можливостей. Яка чудова можливість, правда? На жаль, на даний момент вам доведеться продовжувати мріяти.

Хоча такі є дивовижні роботи які існують, роботи ще недостатньо пристосовані, щоб ефективно виконувати широкий спектр подібних видів діяльності. Більше того, незважаючи на те, що технологія розпізнавання мови вдосконалювалася як на порозі, вона все ще недостатньо хороша для використання з роботами.

Найкращим варіантом для того, щоб змусити щось на кшталт гіпотетичного робота-дворецького виконувати ваші інструкції, було б ввести набір інструкцій.

Умовні команди

Проблема з голосовими командами полягає в тому, що вони містять різні рівні складності, хоча це не завжди зрозуміло.

Уявіть, що ви говорите своєму роботу: «Візьми ту коробку». Це здається досить простим, але є проблема. Ваш робот повинен буде розбити це на кілька кроків, перш ніж завершити дію. Можливий сценарій виконання цієї команди:

• Увімкніть систему відстеження
• Увімкніть прогулянкові двигуни
• Змінити напрямок
• Зробіть необхідні кроки
• Обертайте кінцівки
• Стискаюча коробка
• Підйомний ящик

Як бачите, насправді все складніше, ніж здавалося спочатку. Тепер уявіть, що цю команду можна порівняти з чимось на кшталт «Увімкніть систему відстеження». Хоча кількість слів, що використовуються для надання цих 2 команд, подібна, рівні їх складності різні.

Як ми можемо це вирішити? На даний момент роботам буде важко з’ясувати різні рівні складності голосових команд.

Не бійтеся, команда в Університет Брауна розробив систему, яка покращує спосіб обробки умовних команд роботів.

Як змусити роботів виконувати ваші накази: система, яка дозволяє роботам ефективно виконувати мовлені команди

Дослідники з Brown використали отримані дані, щоб навчити свою систему розуміти різні рівні складності. Потім система змогла зібрати, які дії необхідно виконати, і зрозуміти рівні складності, пов’язані з різними структурами речень.

Команда з Університету Брауна вирішила вирішити проблему змусити роботів виконувати голосні команди за допомогою геніальної системи. Вони використовували обидва Amazon Механічний турок а також інструмент під назвою Virtual Cleanup World для розробки їх моделі.

Віртуальний світ очищення — це віртуальний домен завдань. Він складається з кольорових кімнат, віртуального робота та об’єкта, з яким робот може виконувати завдання.

Волонтери в Mechanical Turk з’ясували, які набори інструкцій призвели до певних дій у світі Cleanup. Спочатку вони спостерігали за роботом, який виконував різноманітні завдання.

Потім їх запитали, які набори інструкцій, на їхню думку, будуть працювати краще. Волонтерів попросили створити команди високого, середнього та низького рівня.

Команди високого рівня були такими, як інструкція робота віднести стілець до кімнати певного кольору. Команди низького рівня були командами, розбитими на кілька етапів. Команди середнього рівня поєднували функції команд високого та низького рівня.

Дослідники з Brown використали отримані дані, щоб навчити свою систему розуміти різні рівні складності. Потім система змогла зібрати, які дії необхідно виконати, і зрозуміти рівні складності, пов’язані з різними структурами речень.

Випробовуємо систему

Коли роботи змогли визначити бажаний кінцевий результат, а також зрозуміти рівень складності завдань, вони виконали завдання всього за 1 секунду в 90% випадків.

На основі цього він міг розробити відповідний план на основі мовленнєвих команд, які йому давали. Після навчання їхньої системи настав час перевірити плоди їхньої праці. Дослідження знову використали Cleanup World, а також реального робота, що працює у фізичному просторі, створеному подібно до віртуального Cleanup World.

Коли роботи змогли визначити бажаний кінцевий результат, а також зрозуміти рівень складності завдань, вони виконали завдання всього за 1 секунду в 90% випадків.

Однак, коли стався збій у розумінні рівня складності, виконання завдання займало більше часу. У цьому випадку роботам було потрібно 20 або більше секунд планування, щоб виконати завдання.

Дослідникам потрібно буде знайти шляхи мінімізації цих поломок, щоб створити більш ефективну систему.

Останні думки

Роботам ще належить пройти чимало шляху, перш ніж вони стануть основними. Однак ця робота наближає нас до роботи, які можуть легко розуміти команди, які ми їм даємо. А до того часу йди мий сам посуд.