Un système permettant aux robots de maîtriser efficacement le langage naturel

Vous rêvez d'un avenir où les robots sont utilisés pour une variété d'activités afin que nous n'ayons pas à les faire nous-mêmes?

Allez, pensez-y! Nettoyer, cuisiner, faire toutes nos tâches ménagères ne sont que quelques-unes des merveilleuses possibilités. Quelle merveilleuse possibilité n'est-ce pas? Malheureusement, pour le moment, vous devrez continuer à rêver.

Bien qu'il existe des robots étonnants, ceux-ci ne sont pas encore suffisamment adaptables pour mener efficacement un large éventail d'activités de ce type. De plus, bien que la technologie de reconnaissance vocale ait progressé à pas de géant, elle n’est toujours pas suffisante pour une utilisation avec les robots.

Votre meilleur pari pour obtenir quelque chose comme un hypothétique robot majordome de suivre vos instructions serait de taper le jeu d'instructions.

Commandes Parlées

Le problème des commandes vocales est qu’elles contiennent divers niveaux de complexité, même si cela n’est pas toujours clair.

Imaginez dire à votre robot: «Prenez cette boîte là-bas.» Cela semble assez simple, mais il y a un problème. Votre robot devra décomposer cela en plusieurs étapes avant de terminer l'action. Un scénario possible pour exécuter cette commande est:

• Activer le système de suivi
• Allumer les moteurs de marche
• Changer de direction
• Prendre les mesures nécessaires
• Faire pivoter les membres
• Clench box
• Boîte élévatrice

Comme vous pouvez le constater, c’est en réalité plus complexe qu’il n’apparaissait à l’origine. Imaginez maintenant que cette commande soit comparée à quelque chose du genre «Allumez votre système de suivi». Bien que le nombre de mots utilisés pour donner ces 2 commandes soit similaire, leurs niveaux de complexité sont très différents.

comment pouvons nous résoudre ceci? Dans l'état actuel des choses, les robots auront du mal à comprendre les différents niveaux de complexité des commandes vocales.

Ne craignez rien, une équipe de la Brown University a développé un système qui améliore la façon dont les robots gèrent les commandes parlées.

Comment faire en sorte que vos robots obéissent à vos ordres: un système permettant aux robots de mener à bien des commandes parlées

Les chercheurs de Brown ont utilisé les données obtenues pour former leur système à la compréhension de divers niveaux de complexité. Le système était alors capable de rassembler les actions à effectuer et de comprendre les niveaux de complexité associés aux différentes structures de phrases.

L’équipe de l’Université Brown a décidé de s’attaquer au problème de faire exécuter des commandes vocales à des robots en utilisant un système ingénieux. Ils ont utilisé à la fois Mechanical Turk d'Amazon et un outil appelé Virtual Cleanup World pour développer leur modèle.

Mechanical Turk est un marché pour le travail qui nécessite l'intelligence de l'homme. Bien que l'intelligence artificielle fasse des prouesses impressionnantes, il existe de nombreuses tâches que les humains peuvent effectuer plus efficacement, telles que l'identification d'objets dans une vidéo. Le Monde de nettoyage virtuel est un domaine de tâches virtuel. Il se compose de salles codées par couleur, d'un robot virtuel et d'un objet avec lequel le robot effectue ses tâches.

Les volontaires de Mechanical Turk ont ​​découvert quels jeux d'instructions avaient conduit à des actions particulières dans le monde du nettoyage. Premièrement, ils ont observé le robot en train de réaliser diverses tâches.

On leur a ensuite demandé quelle série d'instructions leur semblerait plus efficace. Les volontaires ont été invités à créer des commandes de haut niveau, de niveau moyen et de bas niveau.

Les commandes de haut niveau étaient, par exemple, d’instruire le robot de transporter une chaise dans une pièce d’une couleur particulière. Les commandes de bas niveau étaient des commandes divisées en plusieurs étapes. Les commandes de niveau moyen combinent les fonctionnalités des commandes de niveau haut et bas.

Les chercheurs de Brown ont utilisé les données obtenues pour former leur système à la compréhension de divers niveaux de complexité. Le système était alors capable de rassembler les actions à effectuer et de comprendre les niveaux de complexité associés aux différentes structures de phrases.

Mettre le système à l'épreuve

Lorsque les robots ont été en mesure de déterminer le résultat final souhaité, ainsi que de comprendre le niveau de complexité des tâches, ils ont achevé la tâche en une seconde à peine, 90% du temps.

Sur cette base, il a été capable de concevoir un plan approprié basé sur les commandes vocales qui lui avaient été données. Après avoir formé leur système, il était temps de tester les fruits de leur travail. La recherche a de nouveau utilisé Cleanup World, ainsi qu’un véritable robot opérant dans un espace physique configuré de la même manière que le monde virtuel Cleanup.

Lorsque les robots ont été en mesure de déterminer le résultat final souhaité, ainsi que de comprendre le niveau de complexité des tâches, ils ont achevé la tâche en une seconde à peine, 90% du temps.

Cependant, lorsque le niveau de complexité était mal compris, l'achèvement des tâches prenait plus de temps. Dans ce cas, les robots avaient besoin de 20 secondes ou plus de planification pour effectuer une tâche.

Les chercheurs devront trouver des moyens de minimiser ces pannes afin de créer un système plus efficace.

Dernières pensées

Les robots ont encore beaucoup de chemin à faire avant d'être intégrés. Cependant, ce travail nous rapproche des robots qui peuvent facilement comprendre les commandes que nous leur transmettons. Jusque-là, va laver ta propre vaisselle.