Ein System, mit dem Roboter die natürliche Sprache effektiv ausführen können

Träumen Sie von einer Zukunft, in der Roboter für eine Vielzahl von Aktivitäten eingesetzt werden, damit wir sie nicht selbst ausführen müssen?

Komm schon, denk drüber nach! Putzen, Kochen, alle unsere Aufgaben erledigen sind nur einige der wundersamen Möglichkeiten. Was für eine wunderbare Möglichkeit, oder? Leider muss man im Moment weiter träumen.

Es gibt zwar einige erstaunliche Roboter, aber die Roboter sind noch nicht anpassungsfähig genug, um eine Vielzahl von Aktivitäten wie diese effektiv auszuführen. Darüber hinaus ist die Spracherkennungstechnologie zwar rasant weiterentwickelt, für die Verwendung mit Robotern jedoch immer noch nicht gut genug.

Der beste Weg, um so etwas wie einen hypothetischen Roboter-Butler dazu zu bringen, Ihren Anweisungen zu folgen, ist, den Befehlssatz einzugeben.

Gesprochene Befehle

Das Problem bei gesprochenen Befehlen besteht darin, dass sie unterschiedliche Komplexitätsebenen aufweisen, obwohl dies möglicherweise nicht immer klar ist.

Stellen Sie sich vor, Sie sagen Ihrem Roboter: „Nehmen Sie die Kiste dort drüben auf.“ Dies scheint einfach zu sein, aber es gibt ein Problem. Ihr Roboter muss dies in mehrere Schritte aufteilen, bevor Sie die Aktion ausführen können. Ein mögliches Szenario zur Ausführung dieses Befehls ist:

• Tracking-System einschalten
• Schrittmotoren einschalten
• Die Richtung ändern
• Ergreifen Sie die notwendigen Schritte
• Gliedmaßen drehen
• Clench-Box
• Kasten anheben

Wie Sie sehen, ist dies tatsächlich komplexer als es zunächst schien. Stellen Sie sich nun diesen Befehl im Vergleich zu „Schalten Sie Ihr Tracking-System ein“ vor. Obwohl die Anzahl der Wörter, die für diese beiden Befehle verwendet werden, ähnlich ist, ist ihre Komplexität um Welten voneinander entfernt.

Wie können wir das lösen? Nach heutigem Stand werden Roboter Probleme haben, die unterschiedlichen Komplexitätsebenen der gesprochenen Befehle herauszufinden.

Fürchte dich nicht, ein Team der Brown University hat ein System entwickelt, das die Art und Weise, wie Roboter mit gesprochenen Befehlen umgehen, verbessert.

So lassen Sie Ihre Roboter Ihre Befehle ausführen: Ein System, mit dem Roboter gesprochene Befehle effektiv ausführen können

Die Forscher von Brown verwendeten die erhaltenen Daten, um ihr System auf unterschiedliche Komplexitätsstufen zu trainieren. Das System war dann in der Lage, die auszuführenden Aktionen zu erfassen und den Komplexitätsgrad der verschiedenen Satzstrukturen zu verstehen.

Das Team der Brown University beschloss, das Problem zu lösen, dass Roboter mithilfe eines ausgeklügelten Systems gesprochene Befehle ausführen können. Sie verwendeten sowohl den Mechanical Turk von Amazon als auch ein Tool namens Virtual Cleanup World, um ihr Modell zu entwickeln.

Mechanical Turk ist ein Marktplatz für Arbeit, der die Intelligenz des Menschen erfordert. Obwohl künstliche Intelligenz einige beeindruckende Leistungen erbringt, gibt es viele Aufgaben, die der Mensch effektiver erledigen kann, beispielsweise das Identifizieren von Objekten in einem Video. Die virtuelle Bereinigungswelt ist eine virtuelle Aufgabendomäne. Es besteht aus farbcodierten Räumen, einem virtuellen Roboter und einem Objekt, mit dem der Roboter Aufgaben ausführen kann.

Freiwillige bei Mechanical Turk haben herausgefunden, welche Befehlssätze zu bestimmten Aktionen in der Cleanup-Welt geführt haben. Zunächst beobachteten sie den Roboter bei der Ausführung verschiedener Aufgaben.

Sie wurden dann gefragt, welche Anweisungssätze ihrer Meinung nach besser funktionieren würden. Die Freiwilligen wurden gebeten, Befehle auf hoher, mittlerer und niedriger Ebene zu erstellen.

Hochrangige Befehle waren beispielsweise, den Roboter anzuweisen, einen Stuhl in einen Raum einer bestimmten Farbe zu bringen. Befehle auf niedriger Ebene waren Befehle, die in mehrere Schritte unterteilt waren. Befehle auf mittlerer Ebene kombinierten die Funktionen von Befehlen auf hoher und niedriger Ebene.

Die Forscher von Brown verwendeten die erhaltenen Daten, um ihr System auf unterschiedliche Komplexitätsstufen zu trainieren. Das System war dann in der Lage, die auszuführenden Aktionen zu erfassen und den Komplexitätsgrad der verschiedenen Satzstrukturen zu verstehen.

Das System auf den Prüfstand stellen

Als die Roboter in der Lage waren, das gewünschte Endergebnis zu ermitteln und den Grad der Komplexität der Aufgaben zu verstehen, erledigten sie die Aufgabe zu 90 Prozent in nur einer Sekunde.

Darauf aufbauend konnte ein entsprechender Plan auf der Grundlage der ihm erteilten gesprochenen Befehle erstellt werden. Nach dem Training ihres Systems war es Zeit, die Früchte ihrer Arbeit zu testen. Die Forschung nutzte erneut Cleanup World sowie einen realen Roboter, der in einem physischen Raum arbeitet, der ähnlich wie die virtuelle Cleanup World aufgebaut ist.

Als die Roboter in der Lage waren, das gewünschte Endergebnis zu ermitteln und den Grad der Komplexität der Aufgaben zu verstehen, erledigten sie die Aufgabe zu 90 Prozent in nur einer Sekunde.

Wenn es jedoch zu einer Aufschlüsselung des Komplexitätsniveaus kam, dauerte die Erledigung der Aufgabe länger. In diesem Fall benötigten die Roboter mindestens 20 Sekunden für die Planung, um eine Aufgabe abzuschließen.

Die Forscher müssen Wege finden, um diese Störungen zu minimieren und ein effizienteres System zu schaffen.

Abschließende Gedanken

Roboter haben noch einen weiten Weg vor sich, bevor sie zum Mainstream gehören. Diese Arbeit bringt uns jedoch dem Ziel näher, Roboter zu haben, die die Befehle, die wir ihnen erteilen, leicht verstehen können. Bis dahin kannst du dein eigenes Geschirr spülen.