“机器人学会遵循像Alexa这样的命令”

虽然可能在电影中看到，但是今天的机器人还很有限。 这些都有助于多次重复的任务，但对更多复杂的请求几乎没有帮助，因为它们无法理解人类语言的细微差异。

例如，如果将特定工具放入工具箱，让机器人拾取，则完全丢失。 这意味着可以显示和识别对象，理解命令，认识到讨论的是你放下的工具，记住放下工具的瞬间，区分工具从其他类似形状和大小的产品中放下。

最近，麻省理工学院的计算机科学和人工智能实验室( csail )的研究者越来越接近，从而便利了这种类型的要求:在一个新的论说中，他们提出了类似alexa的系统，就像机器人需要上下文知识一样。 关于对象及其环境。 他们把系统称为comtext，用于上下文中的命令。

上面工具箱中的情况是comtext可以解决的任务类型之一。 一旦告诉系统我放的工具是我的工具，它就会把这个事实加入知识库。 然后，可以使用有关其他对象的更多新闻更新机器人，执行一系列任务，例如根据不同的命令选择不同的对象集。

人类以世界为对象，人类和抽象概念的集合，机器将其理解为像素、点云和传感器生成的三维地图，csail博士后rohan paul说，他是这个组织的主要作者之一。 纸。 这个意义上的差距意味着为了让机器人明白我们希望他们做什么，他们需要更丰富地表达我们所做的事情。

这个小组在baxter上测试了comtext。 这是前csail导演rodney brooks为rethink robotics开发的双臂人形机器人。

该项目由研究科学家andrei barbu和研究科学家sue felshin、高级研究科学家boris katz和nicholas roy教授共同指导。 他们在上周的澳大利亚国际人工智能联合会议( ijcai )上发表了这篇论文。

这个是怎么工作的

日期、生日、事实等形式是陈述性的记忆。 有两个声明性的记忆。 意义基于天空为蓝色等通常的事实。 此外，它还基于个人事实，就像你记得集会上发生的事件一样。

大部分机器人的学习方法只关注语义记忆，这显然留下了对可能是未来行动相关背景的事件和事实的巨大知识差距。 另外，comtext即使属于某个人，为了收集关于物体的大小、形状、位置、类型的情景记忆，也可以注意一系列的视觉和自然语言。 根据这个知识库，可以推理、推断意思和响应命令。

第一个贡献是机器人应该有不同类型的记忆，像人一样，鲍勃说。 我们有第一个处理这个问题的数学公式。 我们正在探索这两种记忆是如何发挥作用和相互作用的。

在comtext中，百特在90%的时间内成功执行了正确的命令。 将来，该团队希望机器人能够了解更复杂的新闻，例如使用多步命令、操作意图和对象的相关属性，使其能够更自然地交互。

例如，如果机器人桌子上的箱子里有饼干，箱子里有糖，让机器人把点心举起来，机器人希望能够推断出糖是不容易成为某人零食的原料。

这一系列的研究通过创建更少的约束交互，可以为从汽车自动驾驶到家庭助手的一系列机器人系统提供更好的通信。

华盛顿大学计算机科学副教授luke zettlemoyer表示，这项事业是确立机器人的良好步骤，可以与人们更自然地交流。 他没有参加这项研究。 特别是，它有助于更好地理解机器人识别世界物体的名称，解释采用这些名称的指令，从而更好地满足顾客的要求。

该事业部由丰田研究所、国家科学基金会、美国陆军机器人合作技术联盟和空军队研究实验室资助。