机器人学会遵循像Alexa这样的命令

尽管你可能会在电影中看到，但今天的机器人仍然非常有限。它们对于许多重复性任务都很有用，但是它们无法理解人类语言的细微差别使得它们对于更复杂的请求几乎毫无用处。

例如，如果您将特定工具放在工具箱中并要求机器人“捡起它”，那么它将完全丢失。拾取它意味着能够查看和识别对象，理解命令，认识到所讨论的“它”是你放下的工具，回过头来记住你放下工具的那一刻，并区分你的工具从其他类似形状和大小的产品中放下。

最近麻省理工学院计算机科学与人工智能实验室(CSAIL)的研究人员越来越接近使这种类型的请求变得更加容易：在一篇新论文中，他们提出了类似Alexa的系统，它允许机器人理解需要上下文知识的各种命令。关于对象及其环境。他们称系统为“ComText”，用于“上下文中的命令”。

上面的工具箱情况是ComText可以处理的任务类型之一。如果你告诉系统“我放下的工具是我的工具”，它会将这一事实添加到其知识库中。然后，您可以使用有关其他对象的更多信息更新机器人，并让它执行一系列任务，例如根据不同的命令拾取不同的对象集。

“人类将世界理解为对象，人和抽象概念的集合，机器将其视为像素，点云和传感器生成的三维地图，”CSAIL博士后Rohan Paul说道，他是该组织的主要作者之一。纸。“这种语义差距意味着，为了让机器人了解我们希望他们做什么，他们需要更丰富地表达我们的所作所为。”

该团队在Baxter上测试了ComText，这是一款由前CSAIL导演Rodney Brooks为Rethink Robotics开发的双臂人形机器人。

该项目由研究科学家Andrei Barbu和研究科学家Sue Felshin，高级研究科学家Boris Katz和Nicholas Roy教授共同领导。他们在上周的澳大利亚国际人工智能联合会议(IJCAI)上发表了这篇论文。

这个怎么运作

日期，生日和事实等形式都是“陈述性记忆”。有两种声明性记忆：语义记忆，它基于一般事实，如“天空是蓝色的”，以及情节记忆，它基于个人事实，就像记住在聚会上发生的事情。

大多数机器人学习方法只关注语义记忆，这显然会留下关于事件或事实的巨大知识差距，这些事件或事实可能是未来行动的相关背景。同时，ComText可以观察一系列视觉和自然语言，以收集关于物体大小，形状，位置，类型的“情景记忆”，即使它属于某人。从这个知识库，它可以推理，推断意义和响应命令。

“主要的贡献是机器人应该拥有不同类型的记忆，就像人一样，”巴布说。“我们有第一个数学公式来解决这个问题，我们正在探索这两种类型的记忆如何发挥作用并相互作用。”

通过ComText，百特在90%的时间内成功执行了正确的命令。将来，该团队希望机器人能够理解更复杂的信息，例如多步骤命令，操作意图以及使用关于对象的属性来更自然地与它们进行交互。

例如，如果你告诉一个机器人桌子上的一个盒子有饼干，一个盒子里有糖，然后让机器人“拿起零食”，希望机器人可以推断出糖是一种原料因此不太可能成为某人的“零食”。

通过创建更少约束的交互，这一系列研究可以为一系列机器人系统提供更好的通信，从自动驾驶汽车到家庭帮手。

华盛顿大学计算机科学副教授Luke Zettlemoyer表示：“这项工作是建立机器人的一个很好的步骤，可以与人们进行更自然的互动。”他没有参与这项研究。“特别是，它将帮助机器人更好地理解用于识别世界中物体的名称，并解释使用这些名称的指令，以更好地完成用户的要求。”