机器人学会服从命令Like Alexa

不管你在电影中看到什么，今天的机器人在他们所能做的事情上仍然非常有限。它们对于许多重复的任务来说是很好的，但是他们无法理解人类语言的细微差别，使得它们对更复杂的请求毫无用处。

例如，如果你把一个特定的工具放在工具箱里，让机器人“捡起来”，它就会完全丢失。捡起它意味着能够看到和识别物体，理解命令，认识到“它”是你放下的工具，及时地回忆起你放下工具的那一刻，并把你放下的工具与其他形状和大小相似的工具区分开来。SMT贴片加工

最近，研究人员从麻省理工学院计算机科学和人工智能实验室（CSAIL）已经接近这种类型的请求更容易：在一篇新论文中，他们给出了一个Alexa喜欢系统允许机器人理解各种命令需要语境知识的对象和他们的环境。他们被称为“系统”comtext，”命令在上下文中。”

以上情况是comtext工具箱可以处理任务的类型之间的。如果你告诉系统“我放下的工具是我的工具”，它会把事实添加到它的知识库中。然后，您可以向机器人提供更多关于其他对象的信息，并让它执行一系列的任务，比如基于不同的命令拾取不同的对象集合。

“在人类认识世界作为一个对象的集合和人和抽象的概念，机器认为是像素，点云，和三维地图来自传感器，说：”著名的博士后罗汉保罗，本文的一个主要作者。“这种语义鸿沟意味着，为了让机器人理解我们想要他们做什么，他们需要更丰富的表示我们所做和所说的。”

该团队测试comtext Baxter，为Rethink Robotics的前著名导演Rodney Brooks开发的一个武装机器人。

该项目是共同领导的研究科学家Andrei Barbu，一起研究科学家Sue Felshin，高级研究科学家Boris Katz Nicholas Roy教授。他们提出了本文在上周的国际联合人工智能会议（IJCAI）在澳大利亚。

它是如何工作的

诸如日期、生日、事实等都是“陈述性记忆”的形式，有两种陈述性记忆：语义记忆，它是以诸如“天蓝色”和“情节记忆”等一般事实为基础的，它是以个人事实为基础的，比如回忆一个聚会上发生的事情。

大多数机器人学习的方法都只关注语义记忆，这显然留下了关于事件或事实的巨大知识空白，这些可能是未来动作的相关上下文。comtext，同时，可以观察到一系列的视觉效果和自然语言来收集“情景记忆”关于一个物体的大小，形状，位置，类型，即使它属于别人。从这个知识基础上，它就可以推理、推断含义并响应命令。

“主要的贡献是这一理念的机器人应该有不同种类的记忆，就是这样的人，”Barbu说。“我们有第一个数学公式来解决这个问题，我们正在探索这两种记忆是如何相互作用和相互作用的。”

与comtext，Baxter成功执行的约90%的时间正确的命令。将来，该团队希望使机器人能够理解更复杂的信息，如多步命令、动作意图，以及使用对象的属性更自然地与它们交互。

例如，如果你告诉机器人桌子上有一个盒子有饼干，一个盒子里有糖，然后让机器人“捡点心”，希望机器人能推断出糖是一种原料，因此不太可能是某人的“零食”。

通过创建更少约束的交互，这一系列的研究可以使一系列机器人系统更好的通信，从自动驾驶汽车到家庭帮手。

“这项工作是建立机器人，可以更自然地与人交流的一个很好的一步，”Luke Zettlemoyer说，计算机科学副教授在华盛顿大学，谁没有参与这项研究。“特别是，它将有助于机器人更好地理解用于识别世界上的物体的名称，并解释使用这些名称的指令能更好地满足用户的要求。”

这项工作是由丰田研究所、美国国家科学基金会、美国陆军机器人技术合作联盟和空军研究实验室资助的。