Jak mohou kódem řízení roboti lépe interagovat s lidmi? Laboratoř Human-Robot Robotics Lab z Brown University nedávno testovala nový systém s umělou inteligencí, jehož cílem je přimět roboty, aby rozuměli lidským příkazům v běžném jazyce a přesně prováděli úkoly.
Klíčovým bodem tohoto výzkumu je, že vyvinuli nový systém, který robotům umožňuje provádět složité úkoly bez potřeby tisíců hodin tréninku dat. Zatímco tradiční strojový výcvik vyžaduje velké množství příkladů, které robotovi ukážou, jak rozumět a provádět instrukce na různých místech, tento nový systém umožňuje robotovi pracovat v různých prostředích tím, že poskytuje podrobnou mapu oblasti.
Výzkumníci popisují roli velkého jazykového modelu zabudovaného do jejich systému, který umožňuje robotům porozumět a provádět úkoly tím, že rozloží instrukce bez velkého množství trénovacích dat. Systém je nejen schopen přijímat instrukce v přirozeném jazyce, je také schopen vypočítat logické skoky, které by robot mohl potřebovat na základě kontextu prostředí, díky čemuž jsou instrukce mnohem jednodušší a jasnější, včetně toho, co robot umí, co nemůže a v jakém pořadí.
Stefanie Tellex, jedna z hlavních výzkumnic projektu a profesorka informatiky na Brownově univerzitě, řekla: „Při výběru našich předmětů jsme konkrétně uvažovali o mobilním robotovi pohybujícím se po prostředí a chtěli jsme mít způsob, jak Robot dokázal porozumět složitým a verbálním pokynům, které mu ten člověk dával, jako když šel po Thayer Street v Providence, aby se se mnou setkal v kavárně, ale vyhnul se CVS a zastavil se nejprve v bance a přesně se řídil pokyny."
Pokud výzkum dosáhne výsledků, bude v budoucnu aplikován na mnoho mobilních robotů ve městě, včetně dronů, samořídících aut, bezpilotních dopravních prostředků atd., k interakci stačí použít obvyklý způsob komunikace s lidmi s robotem může přesně porozumět vašim pokynům, což umožňuje použití mobilních robotů ve složitých prostředích.
K otestování systému provedli vědci simulace pomocí OpenStreetMap ve 21 městech a ukázali, že systém provedl úkol přesně v 80 procentech času, což je mnohem vyšší míra přesnosti než jiné podobné systémy, které obvykle dosahují pouze asi 20 procent přesnosti a nedokážou je zvládnout. složité pokyny a úkoly.
Ve stejné době tým také provedl vnitřní testování v kampusu Brown University se spotovým robotem Boston Dynamics, který je považován za jednoho z předních světových univerzálních čtverných robotů, a úspěch ověření na místě usnadní použitelnost systém na roboty jiných výrobců.
Jason Xinyu, doktorand v oboru informatiky a vedoucí člen výzkumného týmu, vysvětluje, jak systém funguje, na příkladu.
Předpokládejme, že uživatel řekne dronu, aby šel do „obchodu“ na „Hlavní ulici“, ale aby nejprve šel do „banky“. Po zadání instrukce software nejprve identifikuje dvě umístění a poté jazykový model začne přiřazovat tato abstraktní umístění ke konkrétnímu umístění robota. Současně také analyzuje metadata o poloze, jako je adresa nebo typ umístění, aby pomohl systému při rozhodování, v tomto případě je v blízkosti několik obchodů, ale pouze jeden je na Main Street, takže systém ví, kde jít; Jazykový model pak převádí příkazy do lineární časové logiky, což je matematický kód a zápis pro vyjádření příkazů; Nakonec systém zapojí aktuální mapovanou polohu do tohoto vzorce a řekne robotovi, aby šel do bodu A, ale za bodem B.
Simulace založená na OpenStreetMaps bude zveřejněna online v listopadu, což uživatelům umožní otestovat systém na vlastní kůži. Uživatelé mohou na webové stránce zadávat příkazy v přirozeném jazyce, aby naváděli simulovaný dron k navigační úloze a pomohli výzkumníkům doladit software.
To znamená, že k nám přichází projekt „AI+ robot“ společně vyškolený veřejností.