Systém umožňující robotům účinně provádět přirozený jazyk

Sníte o budoucnosti, kdy se roboti používají pro různé činnosti, abychom je nemuseli dělat sami?

No tak, přemýšlej o tom! Čištění, vaření, provádění všech našich prací jsou jen některé z úžasných možností. Jaká skvělá možnost? Bohužel, v tuto chvíli budete muset snít.

I když tam jsou nějaké úžasné roboty, které tam existují, roboti ještě nejsou dostatečně přizpůsobiví k tomu, aby mohli účinně provádět celou řadu podobných činností. Kromě toho, ačkoli technologie rozpoznávání řeči pokročila o skoky a meze, stále není pro použití s ​​roboty dostatečně dobrá.

Vaše nejlepší sázka na získání něčeho podobného jako hypotetického Butlera Butlera, který by se řídil vašimi pokyny, by byla zadání instrukční sady.

Mluvené příkazy

Problém s mluvenými příkazy spočívá v tom, že obsahují různé úrovně složitosti, i když to nemusí být vždy jasné.

Představte si, že řeknete svému robotovi: „Vyzvedněte tu krabici.“ Zdá se to dost jednoduché, ale je tu problém. Váš robot bude muset tuto akci rozdělit do několika kroků před dokončením akce. Možným scénářem pro provedení tohoto příkazu je:

• Zapněte systém sledování
• Zapněte chodící motory
• Změnit směr
• Podnikněte nezbytné kroky
• Otočte končetiny
• Zaťažená krabice
• Výtah box

Jak vidíte, je to ve skutečnosti složitější, než se zdálo. Nyní si představte tento příkaz ve srovnání s něčím, jako: „Zapněte svůj sledovací systém.“ Přestože počet slov použitých pro tyto dva příkazy je podobný, jejich úroveň složitosti se liší od ostatních světů.

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

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

Jak zajistit, aby vaši roboti dodržovali vaše objednávky: Systém umožňující robotům efektivně provádět mluvené příkazy

Vědci v Brownu použili data, která získali, aby vyškolili svůj systém, aby pochopili různé úrovně složitosti. Systém pak dokázal shromáždit, jaké kroky je třeba provést, a pochopit úrovně složitosti spojené s různými strukturami vět.

Tým na Brown University se rozhodl řešit problém, jak přimět roboty, aby vykonávali mluvené příkazy pomocí důmyslného systému. K vývoji svého modelu použili jak Amazon's Mechanical Turk, tak nástroj nazvaný Virtual Cleanup World.

Mechanical Turk je tržiště pro práci, která vyžaduje inteligenci lidí. Ačkoli umělá inteligence přináší působivé výkony, existuje mnoho úkolů, které lidé mohou provádět efektivněji, například identifikace objektů ve videu. Virtuální svět čištění je virtuální doména úloh. Skládá se z barevně označených místností, virtuálního robota a objektu, s nímž robot může provádět úkoly.

Dobrovolníci na stroji Turk přišli na to, které instrukční sady vedly ke zvláštním akcím ve světě Cleanup. Nejprve pozorovali robota, protože plnil řadu úkolů.

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 je pokyn robotu, aby odnesl židli do místnosti určité barvy. Příkazy nízké úrovně byly příkazy členěné do několika kroků. Příkazy střední úrovně kombinovaly funkce příkazů vysoké a nízké úrovně.

Vědci v Brownu použili data, která získali, aby vyškolili svůj systém, aby pochopili různé úrovně složitosti. Systém pak dokázal shromáždit, jaké kroky je třeba provést, a pochopit úrovně složitosti spojené s různými strukturami vět.

Testování systému

Když roboti dokázali zjistit požadovaný konečný výsledek a pochopili úroveň složitosti úkolů, dokončili úkol za pouhou 1 sekundu 90 procent času.

Na základě toho byl schopen navrhnout vhodný plán na základě mluvených příkazů, které dostal. Po tréninku jejich systému, je čas vyzkoušet plody své práce. Výzkum opět využil Cleanup World, stejně jako skutečného robota pracujícího ve fyzickém prostoru nastaveném podobně jako virtuální Cleanup World.

Když roboti dokázali zjistit požadovaný konečný výsledek a pochopili úroveň složitosti úkolů, dokončili úkol za pouhou 1 sekundu 90 procent času.

Když však došlo k selhání porozumění úrovni složitosti, dokončení úkolu trvalo déle. V tomto případě roboti potřebovali k dokončení úkolu 20 nebo více sekund plánování.

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

Závěrečné myšlenky

Roboti mají ještě docela dost na to, aby se dostali do hlavního proudu. Tato práce nás však přiblíží k tomu, abychom měli roboty, které snadno pochopí příkazy, které jim předáváme. Do té doby si umyjte vlastní nádobí.