Kako roboti vođeni kodom mogu bolje komunicirati s ljudima? Nedavno je laboratorija Human-Robot Robotics Lab pri Univerzitetu Brown testirala novi sistem sa AI-om koji ima za cilj da natjera robote da razumiju ljudske komande u svakodnevnom jeziku i da precizno izvršavaju zadatke.
Ključna stvar ovog istraživanja je da su razvili novi sistem koji robotima omogućava da obavljaju složene zadatke bez potrebe za hiljadama sati obuke podataka. Dok tradicionalna mašinska obuka zahteva veliki broj primera koji robotu pokazuju kako da razume i izvršava uputstva na različitim mestima, ovaj novi sistem omogućava robotu da radi u različitim okruženjima pružajući detaljnu mapu područja.
Istraživači opisuju ulogu velikog jezičkog modela ugrađenog u njihov sistem koji omogućava robotima da razumiju i izvršavaju zadatke razlažući instrukcije bez velike količine podataka o obuci. Sistem ne samo da je u stanju da prihvati instrukcije na prirodnom jeziku, već je u stanju da izračuna i logičke skokove koji bi robotu mogli biti potrebni na osnovu konteksta okruženja, što instrukcije čini mnogo jednostavnijim i jasnijim, uključujući šta robot može da uradi, šta ne može, i kojim redom.
Stefanie Tellex, jedna od glavnih istraživačica na projektu i profesorica informatike na Univerzitetu Brown, rekla je: „Prilikom odabira naših predmeta, posebno smo uzeli u obzir mobilnog robota koji se kreće po okolini i željeli smo imati način na koji robot je mogao razumjeti složene i verbalne instrukcije koje mu je čovjek davao, poput šetnje ulicom Thayer u Providenceu da se nađemo sa mnom u kafiću, ali izbjegavajući CVS i prvo stati u banci, i tačno slijediti upute."
Ako istraživanje postigne rezultate, u budućnosti će se primjenjivati na mnoge mobilne robote u gradu, uključujući dronove, samovozeće automobile, bespilotna transportna vozila itd., potrebno je samo koristiti uobičajeni način komunikacije s ljudima za interakciju sa robotom, on može precizno razumjeti vaša uputstva, čineći primenu mobilnih robota mogućom u složenim okruženjima.
Da bi testirali sistem, istraživači su pokrenuli simulacije koristeći OpenStreetMap u 21 gradu i pokazali da je sistem izvršio zadatak tačno 80 posto vremena, što je mnogo veća stopa tačnosti od drugih sličnih sistema, koji obično postižu samo oko 20 posto tačnosti i ne mogu se nositi s tim. složena uputstva i zadaci.
U isto vrijeme, tim je također proveo testiranje u zatvorenom na kampusu Univerziteta Brown sa spot robotom Boston Dynamics, koji se smatra jednim od vodećih svjetskih četveronožnih robota opće namjene, a uspjeh verifikacije na licu mjesta će olakšati primjenu sistem robotima drugih proizvođača.
Jason Xinyu, doktorant informatike i vodeći član istraživačkog tima, objašnjava kako sistem funkcionira na primjeru.
Pretpostavimo da korisnik kaže dronu da ode do "prodavnice" u "Glavnoj ulici", ali da prvo ode do "banke". Nakon što se unese instrukcija, softver prvo identificira dvije lokacije, a zatim jezički model počinje da usklađuje ove apstraktne lokacije sa konkretnom lokacijom robota. Istovremeno, analizira i metapodatke o lokaciji, kao što su adresa ili tip lokacije, kako bi pomogao sistemu da donese odluke, u ovom slučaju postoji nekoliko prodavnica u blizini, ali samo jedna je u glavnoj ulici, tako da sistem zna gde ići; Model jezika zatim prevodi komande u linearnu vremensku logiku, koja je matematički kod i notacija za izražavanje komandi; Konačno, sistem uključuje trenutnu mapiranu lokaciju u ovu formulu, govoreći robotu da ide do tačke A, ali nakon tačke B.
Simulacija zasnovana na OpenStreetMaps-u biće objavljena na mreži u novembru, omogućavajući korisnicima da sami testiraju sistem. Korisnici mogu unijeti komande prirodnog jezika na web stranici kako bi usmjerili simuliranu dron na zadatak navigacije kako bi pomogli istraživačima da fino podese softver.
To znači da nam stiže projekat "AI+ robot" koji je zajednički obučavala javnost.