Android

Et system til at gøre det muligt for robotter at udføre naturligt sprog effektivt

The Toy Master's Unicorn Trap!

The Toy Master's Unicorn Trap!

Indholdsfortegnelse:

Anonim

Drømmer du om en fremtid, hvor robotter bruges til forskellige aktiviteter, så vi ikke behøver at gøre dem selv?

Kom nu, tænk over det! Rengøring, madlavning, udførelse af alle vores pligter er blot et par af de vidunderlige muligheder. Hvilken vidunderlig mulighed ikke? Desværre bliver du i øjeblikket nødt til at fortsætte med at drømme.

Selvom der er nogle fantastiske robotter, der findes derude, er robotter endnu ikke tilpasningsdygtige nok til at udføre en lang række aktiviteter som denne effektivt. Selvom talegenkendelsesteknologien er avanceret med store spring, er den stadig ikke god nok til brug med robotter.

Dit bedste valg for at få noget som en hypotetisk robotbutler til at følge dine instruktioner ville være at skrive instruktionssættet.

Talte kommandoer

Problemet med talte kommandoer er, at de indeholder forskellige niveauer af kompleksitet, selvom dette måske ikke altid er klart.

Forestil dig at fortælle din robot, "Hent den boks derovre." Dette virker simpelt nok, men der er et problem. Din robot bliver nødt til at opdele dette i et antal trin, før du afslutter handlingen. Et muligt scenario til udførelse af denne kommando er:

  • Tænd for sporingssystem
  • Tænd for gående motorer
  • Skift retning
  • Tag de nødvendige skridt
  • Drej lemmerne
  • Knæk kasse
  • Løftekasse

Som du kan se, er dette faktisk mere kompliceret, end det først syntes at være. Forestil dig nu den kommando sammenlignet med noget i retning af, "Tænd dit sporingssystem." Selvom antallet af ord, der bruges til at give disse 2 kommandoer, er ens, er deres niveauer af kompleksitet verdener fra hinanden.

Hvordan kan vi løse dette? Som det står nu, vil robotter have problemer med at finde ud af de forskellige niveauer af kompleksitet af talte kommandoer.

Frygt ikke for, et team ved Brown University har udviklet et system, der forbedrer måden, robotter håndterer talte kommandoer.

Sådan får du dine robotter til at overholde dine ordrer: Et system til at aktivere robotter til at udføre talte kommandoer effektivt

Forskerne på Brown brugte de data, de fik, til at træne deres system til at forstå forskellige niveauer af kompleksitet. Systemet var derefter i stand til at samle, hvilken handling der skulle udføres, og forstå niveauerne af kompleksitet forbundet med forskellige sætningstrukturer.

Holdet ved Brown University besluttede at tackle problemet med at få robotter til at udføre talte kommandoer ved hjælp af et genialt system. De brugte både Amazons Mechanical Turk såvel som et værktøj kaldet Virtual Cleanup World til at udvikle deres model.

Mekanisk Turk er en markedsplads for arbejde, der kræver intelligens hos mennesker. Selvom kunstig intelligens laver nogle imponerende feats, er der mange opgaver, som mennesker kan udføre mere effektivt, såsom at identificere objekter i en video. Den virtuelle oprydningsverden er et virtuelt opgavedomæne. Det består af farvekodede rum, en virtuel robot og et objekt, som roboten kan udføre opgaver med.

Frivillige i Mechanical Turk regnede ud, hvilke instruktionssæt førte til særlige handlinger i oprydningens verden. Først observerede de roboten, da den udførte en række forskellige opgaver.

De blev derefter spurgt, hvilke instruktionssæt de troede ville fungere bedre. De frivillige blev bedt om at oprette kommandoer på højt niveau, mellem niveau og lavt niveau.

Kommandoer på højt niveau var dem, såsom at instruere robotten til at bære en stol til et rum i en bestemt farve. Kommandoer på lavt niveau var kommandoer opdelt i flere trin. Midt-kommandoer kombinerede funktionerne i høje og lave niveau kommandoer.

Forskerne på Brown brugte de data, de fik, til at træne deres system til at forstå forskellige niveauer af kompleksitet. Systemet var derefter i stand til at samle, hvilken handling der skulle udføres, og forstå niveauerne af kompleksitet forbundet med forskellige sætningstrukturer.

Sætter systemet til test

Når robotterne var i stand til at finde ud af det ønskede slutresultat og forstå forståelsen af ​​kompleksiteten af ​​opgaver, afsluttede de opgaven på kun 1 sekund 90 procent af tiden.

Baseret på dette var det i stand til at udtænke en passende plan baseret på de talte kommandoer, den blev givet. Efter træning af deres system var det tid til at teste frugterne af deres arbejde. Forskning gjorde brug af Cleanup World igen såvel som en rigtig robot, der opererer i et fysisk rum oprettet på lignende måde som den virtuelle Cleanup World.

Når robotterne var i stand til at finde ud af det ønskede slutresultat og forstå forståelsen af ​​kompleksiteten af ​​opgaver, afsluttede de opgaven på kun 1 sekund 90 procent af tiden.

Da der opstod en fordeling på forståelsen af ​​kompleksiteten, tog opgaven færdiggørelsen længere. I dette tilfælde krævede robotterne 20 eller flere sekunder med planlægning for at fuldføre en opgave.

Forskerne bliver nødt til at finde måder at minimere disse sammenbrud for at skabe et mere effektivt system.

Afsluttende tanker

Robotter har stadig en ret vej at gå, før de er mainstream. Men dette arbejde bringer os tættere på at have robotter, der let kan forstå de kommandoer, vi retter ud til dem. Indtil da skal du vaske dine egne retter.