로봇이 자연 언어를 효과적으로 수행 할 수있게하는 시스템

로봇을 다양한 활동에 사용하여 우리가 스스로 할 필요가없는 미래를 꿈꾸고 있습니까?

어서, 생각 해봐! 청소, 요리, 모든 집안 일을하는 것은 놀라운 가능성 중 일부에 지나지 않습니다. 얼마나 훌륭한 가능성일까요? 불행히도 현재로서는 계속 꿈을 꾸고 있어야합니다.

거기에 존재하는 몇 가지 놀라운 로봇이 있지만, 로봇은 아직 이와 같은 다양한 활동을 효과적으로 수행 할만큼 적응력이 부족합니다. 또한, 음성 인식 기술은 도약과 한계로 발전했지만 로봇과 함께 사용하기에는 아직 충분하지 않습니다.

가설적인 로봇 버틀러와 같은 것을 얻기위한 가장 좋은 방법은 지침 세트를 입력하는 것입니다.

음성 명령

음성 명령의 문제점은 다양한 수준의 복잡성을 포함하고 있지만 항상 명확하지는 않습니다.

당신의 로봇에게 "그 상자를 저기에 가져와."라고 말하면 얼마나 간단한 지 알 수 있지만 문제가 있습니다. 작업을 완료하기 전에 로봇이 여러 단계로 나누어야합니다. 이 명령을 수행하기위한 가능한 시나리오는 다음과 같습니다.

• 추적 시스템 켜기
• 워킹 모터 켜기
• 방향 전환
• 필요한 조치 수행
• 팔다리 회전
• 마약 상자
• 리프트 박스

보시다시피, 실제로는 처음보다 더 복잡합니다. 이제 명령을 "추적 시스템 켜기"와 비교했을 때이 명령을 상상해보십시오.이 두 명령을 제공하는 데 사용되는 단어의 수가 비슷하지만 복잡성 수준은 별개입니다.

어떻게 해결할 수 있을까요? 이제 로봇은 음성 명령의 복잡성 수준을 파악하는 데 어려움을 겪습니다.

두려워하지 않습니다. Brown University 팀은 로봇이 음성 명령을 처리하는 방식을 개선하는 시스템을 개발했습니다.

로봇이 주문에 복종하게하는 방법: 효과적으로 음성 명령을 수행 할 수있는 로봇을위한 시스템

Brown 연구원은 다양한 수준의 복잡성을 이해하기 위해 시스템을 교육하기 위해 얻은 데이터를 사용했습니다. 그런 다음 시스템은 수행해야 할 작업을 수집하고 다양한 문장 구조와 관련된 복잡성 수준을 이해할 수있었습니다.

브라운 대학의 팀은 독창적 인 시스템을 사용하여 로봇이 말한 명령을 수행하도록하는 문제를 해결하기로 결정했습니다. 그들은 Amazon의 Mechanical Turk와 Virtual Cleanup World라는 도구를 사용하여 모델을 개발했습니다.

기계적 터크는 인간의 지능이 필요한 작업 시장입니다. 인공 지능이 몇 가지 인상적인 업적을 일으키고 있지만, 비디오에서 객체를 식별하는 것과 같이 인간이보다 효과적으로 수행 할 수있는 많은 작업이 있습니다. 가상 클린업 월드는 가상 작업 도메인입니다. 그것은 색으로 구분 된 방, 가상 로봇 및 로봇이 작업을 수행하기위한 객체로 구성됩니다.

Mechanical Turk의 자원 봉사자들은 어떤 명령 세트가 Cleanup 세계에서 특정 행동을 이끌어 냈는지 알아 냈습니다. 첫째, 로봇이 다양한 작업을 수행함에 따라 로봇을 관찰했습니다.

그런 다음 그들은 더 잘 작동 할 것이라고 생각한 지시 사항을 질문했습니다. 자원 봉사자는 높은 수준, 중간 수준 및 낮은 수준의 명령을 작성하도록 요청 받았습니다.

높은 수준의 명령은 로봇에게 의자를 특정 색의 방으로 옮기는 것과 같은 명령이었습니다. 저수준 명령은 여러 단계로 분류 된 명령이었습니다. 중간 수준의 명령은 높고 낮은 수준의 명령 기능을 결합했습니다.

Brown 연구원은 다양한 수준의 복잡성을 이해하기 위해 시스템을 교육하기 위해 얻은 데이터를 사용했습니다. 그런 다음 시스템은 수행해야 할 작업을 수집하고 다양한 문장 구조와 관련된 복잡성 수준을 이해할 수있었습니다.

테스트에 시스템 퍼팅하기

로봇이 원하는 최종 결과를 파악할 수있을뿐만 아니라 작업의 복잡성 수준을 이해하면 90 %의 시간 만에 작업을 완료 할 수있었습니다.

이를 바탕으로 주어진 음성 명령에 따라 적절한 계획을 수립 할 수있었습니다. 그들의 체계를 훈련 한 후에, 그들의 노동의 과일을 시험 할 시간이었다. 연구는 Cleanup World를 다시 한번 사용했으며 가상 클린업 세계와 비슷한 물리적 공간에서 작동하는 실제 로봇을 사용했습니다.

로봇이 원하는 최종 결과를 파악할 수있을뿐만 아니라 작업의 복잡성 수준을 이해하면 90 %의 시간 만에 작업을 완료 할 수있었습니다.

그러나 복잡성 수준을 이해하는 데 어려움이 있었을 때 작업 완료는 더 오래 걸렸습니다. 이 경우 로봇은 작업을 완료하기 위해 20 초 이상의 계획을 수립해야했습니다.

연구진은보다 효율적인 시스템을 만들기 위해 이러한 고장을 최소화 할 수있는 방법을 찾아야 할 것입니다.

마지막 생각들

로봇은 주류가되기 전에 아직 갈 길이 멀다. 그러나이 작업으로 우리는 우리가 그들에게 명령 한 명령을 쉽게 이해할 수있는 로봇을 가지게되었습니다. 그때까지, 자신의 요리를 씻어.