Een systeem waarmee robots natuurlijke taal effectief kunnen uitvoeren

Droom je van een toekomst waarin robots worden gebruikt voor verschillende activiteiten zodat we ze niet zelf hoeven te doen?

Kom op, denk er eens over na! Schoonmaken, koken, al onze klusjes doen zijn slechts enkele van de wonderbaarlijke mogelijkheden. Wat een geweldige mogelijkheid toch? Helaas moet je op dit moment blijven dromen.

Hoewel er een aantal verbazingwekkende robots zijn die er zijn, zijn robots nog niet flexibel genoeg om een ​​breed scala aan activiteiten zoals deze effectief uit te voeren. Bovendien is de spraakherkenningstechnologie met grote sprongen vooruit gegaan, maar deze is nog steeds niet goed genoeg voor gebruik met Robots.

Je beste gok voor het krijgen van zoiets als een hypothetische robotbutler om je instructies te volgen, zou zijn om de instructieset te typen.

Gesproken opdrachten

Het probleem met gesproken opdrachten is dat ze verschillende niveaus van complexiteit bevatten, hoewel dit niet altijd duidelijk is.

Stel je voor dat je tegen je robot zegt: "Pak die doos daar." Dit lijkt eenvoudig genoeg, maar er is een probleem. Uw robot zal dit in een aantal stappen moeten splitsen voordat de actie wordt voltooid. Een mogelijk scenario voor het uitvoeren van deze opdracht is:

• Schakel volgsysteem in
• Schakel lopende motoren in
• Verander richting
• Neem de nodige stappen
• Roteer ledematen
• Balde doos
• Til doos op

Zoals u kunt zien, is dit eigenlijk complexer dan het eerst leek te zijn. Stel je dat commando eens voor in vergelijking met zoiets als: "Schakel je volgsysteem in." Hoewel het aantal woorden dat wordt gebruikt om deze 2 commando's te geven hetzelfde is, liggen hun complexiteitsniveaus op een andere manier.

Hoe kunnen we dit oplossen? Zoals het er nu uitziet, zullen robots moeite hebben om de verschillende niveaus van complexiteit van gesproken commando's te achterhalen.

Wees niet bang, een team van Brown University heeft een systeem ontwikkeld dat de manier verbetert waarop robots met gesproken opdrachten omgaan.

Hoe u uw robots uw orders kunt laten uitvoeren: een systeem waarmee robots gesproken commando's effectief kunnen uitvoeren

De onderzoekers van Brown gebruikten de verkregen gegevens om hun systeem te trainen om verschillende niveaus van complexiteit te begrijpen. Het systeem was vervolgens in staat om te verzamelen welke actie moest worden uitgevoerd en de complexiteitsniveaus van verschillende zinsstructuren te begrijpen.

Het team van Brown University besloot het probleem aan te pakken van het krijgen van robots om gesproken opdrachten uit te voeren met behulp van een ingenieus systeem. Ze gebruikten zowel Amazon's Mechanical Turk als een tool genaamd Virtual Cleanup World om hun model te ontwikkelen.

Mechanische Turk is een marktplaats voor werk die de intelligentie van mensen vereist. Hoewel kunstmatige intelligentie indrukwekkende prestaties levert, zijn er veel taken die mensen effectiever kunnen doen, zoals het identificeren van objecten in een video. De virtuele Cleanup World is een virtueel taakdomein. Het bestaat uit kleurgecodeerde ruimtes, een virtuele robot en een object waarmee de robot taken kan uitvoeren.

Vrijwilligers bij Mechanical Turk hebben ontdekt welke instructiesets hebben geleid tot bepaalde acties in de Cleanup-wereld. Eerst observeerden ze de robot tijdens het uitvoeren van verschillende taken.

Hun werd vervolgens gevraagd welke instructiesets volgens hen beter zouden werken. De vrijwilligers werd gevraagd opdrachten op hoog, midden en laag niveau te maken.

Opdrachten op hoog niveau waren die, zoals de robot instrueren een stoel naar een kamer met een bepaalde kleur te dragen. Low-level commando's waren commando's onderverdeeld in verschillende stappen. Mid-level commando's combineerden de functies van high- en low-level commando's.

De onderzoekers van Brown gebruikten de verkregen gegevens om hun systeem te trainen om verschillende niveaus van complexiteit te begrijpen. Het systeem was vervolgens in staat om te verzamelen welke actie moest worden uitgevoerd en de complexiteitsniveaus van verschillende zinsstructuren te begrijpen.

Het systeem op de proef stellen

Toen de robots in staat waren om het gewenste eindresultaat te achterhalen en de complexiteit van taken te begrijpen, voltooiden ze de taak in slechts 1 seconde 90 procent van de tijd.

Op basis hiervan kon het een passend plan bedenken op basis van de gesproken commando's die het kreeg. Na het trainen van hun systeem was het tijd om de vruchten van hun arbeid te testen. Onderzoek maakte opnieuw gebruik van Cleanup World en ook van een echte robot die in een fysieke ruimte opereerde die vergelijkbaar was met de virtuele Cleanup World.

Toen de robots in staat waren om het gewenste eindresultaat te achterhalen en de complexiteit van taken te begrijpen, voltooiden ze de taak in slechts 1 seconde 90 procent van de tijd.

Toen er echter een gebrek aan inzicht was in de complexiteit, duurde het voltooien van de taak langer. In dit geval hadden de robots 20 of meer seconden planning nodig om een ​​taak te voltooien.

De onderzoekers moeten manieren vinden om deze storingen te minimaliseren om een ​​efficiënter systeem te creëren.

Laatste gedachten

Robots hebben nog een lange weg te gaan voordat ze mainstream zijn. Dit werk brengt ons echter dichter bij het hebben van robots die gemakkelijk de opdrachten kunnen begrijpen die we hen aanbieden. Tot die tijd ga je je eigen afwas doen.