Як керовані кодом роботи можуть краще взаємодіяти з людьми? Нещодавно робототехнічна лабораторія Human-Robot Університету Брауна випробувала нову систему з підтримкою штучного інтелекту, яка має на меті змусити роботів розуміти людські команди повсякденною мовою та точно виконувати завдання.
Ключовим моментом цього дослідження є те, що вони розробили нову систему, яка дозволяє роботам виконувати складні завдання без необхідності тисяч годин навчання даних. Хоча традиційне машинне навчання вимагає великої кількості прикладів, щоб показати роботу, як розуміти та виконувати інструкції в різних місцях, ця нова система дозволяє роботу працювати в різних середовищах, надаючи детальну карту місцевості.
Дослідники описують роль великої мовної моделі, вбудованої в їхню систему, щоб дозволити роботам розуміти та виконувати завдання, розбиваючи інструкції без великої кількості навчальних даних. Система не лише здатна сприймати інструкції природною мовою, але й обчислювати логічні стрибки, які можуть знадобитися роботу, виходячи з контексту середовища, що робить інструкції набагато простішими та зрозумілішими, включаючи те, що робот може робити, що це не може зробити, і в якому порядку.
Стефані Теллекс, один із головних дослідників проекту та професор інформатики в Університеті Брауна, сказала: «Вибираючи предмети, ми розглядали саме мобільного робота, який рухається навколо, і ми хотіли мати спосіб, у який Робот міг розуміти складні словесні інструкції, які давала йому людина, як-от іти вулицею Теєр у Провіденсі, щоб зустріти мене в кав’ярні, але уникав CVS і спочатку зупинявся в банку, і точно дотримувався вказівок».
Якщо дослідження досягне результатів, воно буде застосовано до багатьох мобільних роботів у місті в майбутньому, включаючи дрони, безпілотні автомобілі, безпілотні транспортні засоби тощо, вам потрібно лише використовувати звичайний спосіб спілкування з людьми для взаємодії з роботом він може точно зрозуміти ваші інструкції, що робить можливим застосування мобільних роботів у складних середовищах.
Щоб протестувати систему, дослідники провели моделювання за допомогою OpenStreetMap у 21 місті та показали, що система виконувала завдання точно у 80% випадків, що є набагато вищим показником точності, ніж інші подібні системи, які зазвичай досягають лише близько 20% точності та не можуть впоратися складні інструкції та завдання.
У той же час команда також провела випробування в приміщенні на кампусі Університету Брауна з точковим роботом Boston Dynamics, який вважається одним із провідних у світі чотириногих роботів загального призначення, і успіх перевірки на місці сприятиме застосуванню систему для роботів інших виробників.
Джейсон Сінью, аспірант з інформатики та провідний член дослідницької групи, пояснює на прикладі, як працює система.
Припустімо, користувач каже дрону піти до «магазину» на «Головній вулиці», але спершу піти до «банку». Після введення інструкції програмне забезпечення спочатку визначає два місця, а потім мовна модель починає зіставляти ці абстрактні місця з конкретним розташуванням робота. У той же час він також аналізує метадані про місцезнаходження, такі як адреса або тип місцезнаходження, щоб допомогти системі приймати рішення. У цьому випадку поблизу є кілька магазинів, але лише один знаходиться на Головній вулиці, тому система знає, де йти; Мовна модель потім переводить команди в лінійну часову логіку, яка є математичним кодом і нотацією для вираження команд; Нарешті, система підключає поточне нанесене на карту розташування до цієї формули, повідомляючи роботу пройти до точки A, але після точки B.
Симуляція на основі OpenStreetMaps буде опублікована в Інтернеті в листопаді, що дозволить користувачам перевірити систему на собі. Користувачі можуть вводити команди природною мовою на веб-сторінці, щоб керувати імітацією безпілотного літака в навігаційному завданні, щоб допомогти дослідникам точно налаштувати програмне забезпечення.
Це означає, що до нас приходить спільно навчений громадськістю проект «робот AI+».