Et system for at roboter kan 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, utførelse av alle oppgavene våre er bare noen av de fantastiske mulighetene. Hva en fantastisk mulighet ikke? Dessverre, for øyeblikket må du fortsette å drømme.

Selv om det er noen fantastiske roboter som finnes der ute, er roboter ennå ikke tilpasningsdyktige nok til å utføre en lang rekke aktiviteter som dette effektivt. Selv om teknologien for talegjenkjenning har avansert med store sprang, er den fortsatt ikke god nok til bruk med roboter.

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

Talte kommandoer

Problemet med talte kommandoer er at de inneholder forskjellige nivåer av kompleksitet, selv om det ikke alltid er klart.

Se for deg å fortelle roboten din, "Hent den boksen der borte." Dette virker enkelt nok, men det er et problem. Roboten din må bryte dette ned i flere trinn før du fullfører handlingen. Et mulig scenario for å utføre denne kommandoen er:

• Slå på sporingssystem
• Slå på gangmotorer
• Endre retning
• Ta nødvendige skritt
• Roter lemmene
• Clench box
• Heiskasse

Som du kan se, er dette faktisk mer sammensatt enn det først så ut til å være. Forestill deg den kommandoen sammenlignet med noe som "Slå på sporingssystemet." Selv om antallet ord som brukes for å gi disse to kommandoene er likt, er nivåene av kompleksitet verdener fra hverandre.

Hvordan kan vi løse dette? Slik det ser ut nå, vil roboter få problemer med å finne ut av forskjellige nivåer av kompleksitet i talte kommandoer.

Frykt ikke, et team ved Brown University har utviklet et system som forbedrer måten roboter håndterer talte kommandoer.

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

Forskerne ved Brown brukte dataene de innhentet for å trene systemet sitt for å forstå forskjellige nivåer av kompleksitet. Systemet var da i stand til å samle hvilke handlinger som måtte utføres og forstå nivåene av kompleksitet forbundet med forskjellige 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 både Amazons Mechanical Turk, så vel som et verktøy kalt Virtual Cleanup World for å utvikle sin modell.

Mekanisk Turk er en markedsplass for arbeid som krever intelligens fra mennesker. Selv om kunstig intelligens gjør noen imponerende bragder, er det mange oppgaver som mennesker kan gjøre mer effektivt, for eksempel å identifisere objekter i en video. Den virtuelle opprydningsverdenen er et virtuelt oppgavedomen. Den består av fargekodede rom, en virtuell robot og et objekt for roboten å utføre oppgaver med.

Frivillige på Mechanical Turk fant ut hvilke instruksjonssett som førte til spesielle handlinger i oppryddingens verden. Først observerte de roboten da den utførte en rekke oppgaver.

De ble deretter spurt om hvilke instruksjonssett de trodde 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 i en bestemt farge. Kommandoer på lavt nivå var kommandoer fordelt på flere trinn. Midt-kommandoer kombinerte funksjonene til høye og lave nivå-kommandoer.

Forskerne ved Brown brukte dataene de innhentet for å trene systemet sitt for å forstå forskjellige nivåer av kompleksitet. Systemet var da i stand til å samle hvilke handlinger som måtte utføres og forstå nivåene av kompleksitet forbundet med forskjellige setningsstrukturer.

Sette systemet på prøve

Når robotene var i stand til å finne ut det ønskede sluttresultatet, samt forstå graden av kompleksitet på oppgavene, fullførte de oppgaven på bare 1 sekund 90 prosent av tiden.

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

Når robotene var i stand til å finne ut det ønskede sluttresultatet, samt forstå graden av kompleksitet på oppgavene, fullførte de oppgaven på bare 1 sekund 90 prosent av tiden.

Men når det var et sammenbrudd i forståelsen av kompleksitetsnivået, tok oppgavens fullførelse 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. Imidlertid bringer dette arbeidet oss nærmere å ha roboter som lett kan forstå kommandoene vi gir dem ut. Inntil da, vaske dine egne retter.