Роботов научили понимать команды «человеческим» языком

роботов обучают командам на естественном языке

Ученые из Университета Брауна написали алгоритм, который позволяет роботам лучше понимать команды на естественном языке. Специалисты создали алгоритм который не только может переводить команды в действия, но и способен анализировать уровень их абстракции. После обучения данному алгоритму робот правильно интерпретировал команды в 90 процентах случаев в течение одной секунды. Работа была показана на конференции Robotics: Science and Systems в Бостоне.

Несмотря на то, что роботы и компьютеры способны решать сложные задачи, одним из главных преград на пути к широкому их внедрению являются трудности взаимодействия с ними. Хотя компьютерные алгоритмы во многих видах задач, например, при обработке данных, значительно превосходят возможности человека, эти задачи, прежде чем они будут выполнены, должны быть четко и детально сформулированы. В отличие от людей, роботы плохо понимают «размытые» команды. Поэтому взаимодействие с ними с помощью команд на человеческом языке все еще слабо реализовано.



Любую несложную, с точки зрения обычного человека, задачу компьютеру приходится разбивать на множество отдельных простых действий. К примеру, указание «возьми объект в другой комнате» алгоритм должен сначала понять, а затем преобразовать в последовательность действий. При этом программа должна не только понимать четкие инструкции, но и вычленять «суть» из команд с разным, в том числе и высоким, уровнем абстракции. Для того чтобы облегчить это взаимодействие, было предложено много различных решений, в том числе даже разработан специальный язык, звучание и грамматика которого адаптированы для общения с роботами.

Ученые этого проекта решили обучить роботов сначала анализировать уровень абстракции команд, а затем уже начинать планировать последовательность действий. Для этого они провели обучение глубокой нейросетевой языковой модели на специальной платформе, где имитирующяя робота программ выполняла различные простые задания в виртуальном пространстве. За его действиями следили добровольцы, которых после выполнения задачи просили сообщить, какое указание они дали бы роботу, чтобы он выполнил показанную последовательность действий. Причем перед этим им сообщили, насколько абстрактными должны быть команды.

Исследователи решили применять три уровня абстракции. Низкий уровень абстракции включал в себя поэтапное описание действий, тогда как при высоком уровне инструкции звучали как «отнеси мяч в зеленую комнату».

В результате обучения алгоритм научился квалифицировать, к каким уровням абстракции, как правило, относятся те или иные слова. Соответственно, зная уровень абстракции, робот настраивал свой планировщик действий. Исследователи решили проверить эффективность такого метода с помощью реального эксперимента. Для этого они сделали на полу лаборатории разметки «комнаты» и поместили в одну из них блок, который робот должен был перемещать по команде.

В рамках эксперимента тестировался как новый метод, так и планирование без оценки уровня абстракции. В результате получилось, что в первом подходе робот правильно интерпретировал команды в 90 процентах случаев в течение одной секунды, а при втором подходе для половины команд понадобилось от 20 секунд и больше.

Ранее другая группа ученых уже пыталась упростить обучение компьютеров с помощью указаний на естественном языке. Они решили научить искусственный интеллект проходить игры на видеоприставке, объясняя ему прохождение с помощью простых инструкций вроде «поднимись по лестнице».


Григорий Копиев

Похожие темы

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *