Robotların doğal dili etkili bir şekilde uygulayabilmelerini sağlayan bir sistem

Robotların çeşitli etkinlikler için kullanıldığı bir gelecek hayal ediyor musunuz, böylece kendimiz yapmak zorunda kalmıyoruz?

Hadi, bir düşün! Temizlik, yemek yapmak, tüm işlerimizi yapmak harika fırsatlardan sadece birkaçı. Ne harika bir olasılık değil mi? Ne yazık ki, şu anda hayalini sürdürmek zorunda kalacaksın.

Orada bulunan bazı şaşırtıcı robotlar varken, robotlar bunun gibi çok çeşitli aktiviteleri etkin bir şekilde yürütecek kadar uyarlanamaz. Dahası, konuşma tanıma teknolojisi sıçrama ve sınırlamalarla geliĢmesine rağmen, hala Robotlarla kullanım için yeterince iyi değil.

Varsayımsal bir robot uşak gibi bir şeyi almak için talimatlarınızı takip etmek için en iyi bahis talimat setini yazmak olacaktır.

Sözlü Komutlar

Sözlü komutların sorunu, her zaman açık olmasa da, çeşitli düzeylerde karmaşıklık içermeleridir.

Robotunuza, “Oradaki kutuyu al.” Dediğinizi hayal edin. Bu yeterince basit görünüyor ama bir sorun var. Robotunuz, işlemi tamamlamadan önce bunu birkaç adıma bölmek zorunda kalacaktır. Bu komutu gerçekleştirmek için olası bir senaryo şudur:

• İzleme sistemini aç
• Yürüme motorlarını açın
• Yönü değiştir
• Gerekli adımları atın
• Uzuvları döndürmek
• Sıkma kutusu
• Kaldırma kutusu

Gördüğünüz gibi, bu aslında ilk göründüğünden daha karmaşık. Şimdi, bu komutu “İzleme sisteminizi açın” gibi bir şeye kıyasla hayal edin. Bu 2 komutu vermek için kullanılan kelimelerin sayısı benzer olsa da, onların karmaşıklık seviyeleri birbirinden ayrıdır.

Bunu nasıl çözebiliriz? Şimdi olduğu gibi, robotlar sözlü komutların farklı karmaşıklık seviyelerini bulmakta zorlanacaklar.

Korkma, Brown Üniversitesi'ndeki bir ekip, robotların sözlü komutları kullanma şeklini geliştiren bir sistem geliştirdi.

Robotlarınız Nasıl Emirlerinize Uydurulur: Sözlü Komutları Etkin Bir Şekilde Gerçekleştirecek Robotları Etkinleştirmek İçin Bir Sistem

Brown'daki araştırmacılar, çeşitli karmaşıklık düzeylerini anlamak için sistemlerini geliştirmek için elde ettikleri verileri kullandılar. Sistem daha sonra hangi eylemin yapılması gerektiğini toplayabildi ve farklı cümle yapılarıyla ilişkili karmaşıklık seviyelerini anladı.

Brown Üniversitesi'ndeki ekip, ustaca bir sistem kullanarak sözlü komutları yerine getirmek için robot alma problemini çözme kararı aldı. Amazon'un Mechanical Turk'ünü ve aynı zamanda modellerini geliştirmek için Virtual Cleanup World adlı bir aracı kullandılar.

Mekanik Türk, insan zekasını gerektiren işler için bir pazardır. Yapay zeka bazı etkileyici özelliklere sahip olsa da, insanların videodaki nesneleri tanımlamak gibi daha etkili bir şekilde yapabilecekleri pek çok görev var. Sanal Temizleme Dünyası sanal bir görev alanıdır. Renk kodlu odaları, sanal bir robotu ve robotun görevlerini yerine getirebileceği bir nesneden oluşur.

Mechanical Turk'teki gönüllüler, hangi komut setlerinin Cleanup dünyasında belirli eylemlere yol açtığını buldu. İlk önce, robotu çeşitli görevleri yerine getirirken gözlemlediler.

Daha sonra hangi talimat setlerinin daha iyi çalışacağını düşündükleri soruldu. Gönüllülerden yüksek seviye, orta seviye ve düşük seviye komutlar yaratmaları istendi.

Üst düzey komutlar, robota bir sandalyeyi belirli bir renkteki odaya taşımasını söyleyen talimatlardı. Düşük seviyeli komutlar, komutlar birkaç adıma bölündü. Orta seviye komutları, yüksek ve düşük seviye komutlarının özelliklerini birleştirdi.

Brown'daki araştırmacılar, çeşitli karmaşıklık düzeylerini anlamak için sistemlerini geliştirmek için elde ettikleri verileri kullandılar. Sistem daha sonra hangi eylemin yapılması gerektiğini toplayabildi ve farklı cümle yapılarıyla ilişkili karmaşıklık seviyelerini anladı.

Sistemi Teste Almak

Robotlar istenen sonucu ortaya çıkarsa ve görevlerin karmaşıklık seviyesini anlamanın yanı sıra, görevi zamanın sadece yüzde 90'ında tamamladılar.

Buna dayanarak, verilen sözlü emirlere dayanarak uygun bir plan tasarlamayı başardı. Kendi sistemlerini eğittikten sonra, emeklerinin meyvelerini test etme zamanı gelmişti. Araştırma, bir kez daha Cleanup World'ü ve sanal Cleanup World'e benzer şekilde kurulmuş fiziksel bir alanda çalışan gerçek bir robotu kullandı.

Robotlar istenen sonucu ortaya çıkarsa ve görevlerin karmaşıklık seviyesini anlamanın yanı sıra, görevi zamanın sadece yüzde 90'ında tamamladılar.

Bununla birlikte, karmaşıklık seviyesini anlamada bir arıza olduğunda, görev tamamlama daha uzun sürdü. Bu durumda, robotlar bir görevi tamamlamak için 20 veya daha fazla saniye planlama gerektirmiştir.

Araştırmacıların daha verimli bir sistem oluşturmak için bu arızaları en aza indirmenin yollarını bulmaları gerekecektir.

Son düşünceler

Robotlar hala ana akım olmadan önce gidecek bir yola sahipler. Bununla birlikte, bu çalışma bizi kendilerine verdiğimiz komutları kolayca anlayabilen robotlara daha da yaklaştırıyor. O zamana kadar gidip kendi bulaşıkları yıka.