Một hệ thống cho phép robot thực hiện ngôn ngữ tự nhiên một cách hiệu quả

Bạn có đang mơ về một tương lai nơi robot được sử dụng cho nhiều hoạt động khác nhau để chúng ta không phải tự làm chúng không?

Thôi nào, nghĩ về nó đi! Dọn dẹp, nấu ăn, làm tất cả các công việc của chúng ta chỉ là một vài khả năng tuyệt vời. Thật là một khả năng tuyệt vời phải không? Thật không may, tại thời điểm này bạn sẽ phải tiếp tục mơ ước.

Mặc dù có một số robot tuyệt vời tồn tại ngoài kia, nhưng robot vẫn chưa đủ khả năng thích ứng để thực hiện một loạt các hoạt động như thế này một cách hiệu quả. Hơn nữa, mặc dù công nghệ nhận dạng giọng nói đã phát triển vượt bậc, nhưng nó vẫn không đủ tốt để sử dụng với Rô bốt.

Đặt cược tốt nhất của bạn để có được một cái gì đó giống như một quản gia robot giả định làm theo hướng dẫn của bạn sẽ là gõ bộ hướng dẫn.

Lệnh nói

Vấn đề với các lệnh nói là chúng chứa các mức độ phức tạp khác nhau, mặc dù điều này có thể không phải lúc nào cũng rõ ràng.

Hãy tưởng tượng bạn đang nói với robot của mình, Hãy nhặt chiếc hộp đó lên đó. Điều này có vẻ đơn giản nhưng có một vấn đề. Robot của bạn sẽ phải chia thành một số bước trước khi hoàn thành hành động. Một kịch bản có thể thực hiện lệnh này là:

• Bật hệ thống theo dõi
• Bật động cơ đi bộ
• Chuyển hướng
• Thực hiện các bước cần thiết
• Xoay chân tay
• Hộp kẹp
• Hộp nâng

Như bạn có thể thấy, điều này thực sự phức tạp hơn lần đầu tiên xuất hiện. Bây giờ hãy tưởng tượng lệnh đó so với một cái gì đó giống như, Bật Bật hệ thống theo dõi của bạn. Mặc dù số lượng từ được sử dụng để đưa ra 2 lệnh này là tương tự nhau, nhưng mức độ phức tạp của chúng cách nhau.

Làm thế nào chúng ta có thể giải quyết điều này? Hiện tại, robot sẽ gặp khó khăn trong việc tìm ra các mức độ phức tạp khác nhau của các lệnh nói.

Đừng sợ, một nhóm nghiên cứu tại Đại học Brown đã phát triển một hệ thống giúp cải thiện cách robot xử lý các lệnh nói.

Cách làm cho robot của bạn tuân theo mệnh lệnh của bạn: Một hệ thống kích hoạt robot để thực hiện các lệnh được nói một cách hiệu quả

Các nhà nghiên cứu tại Brown đã sử dụng dữ liệu họ thu được để huấn luyện hệ thống của họ để hiểu mức độ phức tạp khác nhau. Sau đó, hệ thống có thể thu thập những hành động cần thực hiện và hiểu mức độ phức tạp liên quan đến các cấu trúc câu khác nhau.

Nhóm nghiên cứu tại Đại học Brown quyết định giải quyết vấn đề khiến robot thực hiện mệnh lệnh bằng cách sử dụng một hệ thống khéo léo. Họ đã sử dụng cả Mechanical Turk của Amazon cũng như một công cụ có tên Virtual Cleanup World để phát triển mô hình của họ.

Mechanical Turk là một thị trường cho công việc đòi hỏi trí thông minh của con người. Mặc dù trí tuệ nhân tạo đang tạo ra một số chiến công ấn tượng, có nhiều nhiệm vụ mà con người có thể thực hiện hiệu quả hơn như xác định các đối tượng trong video Thế giới dọn dẹp ảo là một miền nhiệm vụ ảo. Nó bao gồm các phòng được mã hóa màu, một robot ảo và một đối tượng để robot thực hiện các nhiệm vụ.

Các tình nguyện viên tại Mechanical Turk đã tìm ra bộ hướng dẫn nào dẫn đến các hành động cụ thể trong thế giới Dọn dẹp. Đầu tiên, họ quan sát robot khi nó thực hiện một loạt các nhiệm vụ.

Sau đó, họ được hỏi bộ hướng dẫn nào họ nghĩ sẽ hoạt động tốt hơn. Các tình nguyện viên được yêu cầu tạo ra các lệnh cấp cao, trung cấp và cấp thấp.

Các lệnh cấp cao là những lệnh như hướng dẫn robot mang ghế đến một căn phòng có màu đặc biệt. Các lệnh cấp thấp là các lệnh được chia thành nhiều bước. Các lệnh cấp trung kết hợp các tính năng của các lệnh cấp cao và cấp thấp.

Các nhà nghiên cứu tại Brown đã sử dụng dữ liệu họ thu được để huấn luyện hệ thống của họ để hiểu mức độ phức tạp khác nhau. Sau đó, hệ thống có thể thu thập những hành động cần thực hiện và hiểu mức độ phức tạp liên quan đến các cấu trúc câu khác nhau.

Đưa hệ thống vào thử nghiệm

Khi các robot có thể tìm ra kết quả cuối cùng mong muốn, cũng như hiểu được mức độ phức tạp của các nhiệm vụ, chúng đã hoàn thành nhiệm vụ chỉ trong 1 giây 90 phần trăm thời gian.

Dựa trên điều này, nó đã có thể đưa ra một kế hoạch phù hợp dựa trên các mệnh lệnh được nói. Sau khi đào tạo hệ thống của họ, đã đến lúc thử nghiệm thành quả lao động của họ. Nghiên cứu đã sử dụng Cleanup World một lần nữa cũng như một robot thực sự hoạt động trong một không gian vật lý được thiết lập tương tự như Thế giới dọn dẹp ảo.

Khi các robot có thể tìm ra kết quả cuối cùng mong muốn, cũng như hiểu được mức độ phức tạp của các nhiệm vụ, chúng đã hoàn thành nhiệm vụ chỉ trong 1 giây 90 phần trăm thời gian.

Tuy nhiên, khi có một sự cố trong việc hiểu mức độ phức tạp, việc hoàn thành nhiệm vụ mất nhiều thời gian hơn. Trong trường hợp này, các robot cần 20 giây hoặc hơn để lập kế hoạch để hoàn thành một nhiệm vụ.

Các nhà nghiên cứu sẽ cần tìm cách giảm thiểu những sự cố này để tạo ra một hệ thống hiệu quả hơn.

Suy nghĩ cuối cùng

Robot vẫn còn khá nhiều cách để đi trước khi chúng là chủ đạo. Tuy nhiên, công việc này đưa chúng ta đến gần hơn với việc có robot có thể dễ dàng hiểu được các lệnh chúng ta đưa ra cho chúng. Cho đến lúc đó, đi rửa bát của riêng bạn.