Исследователи из Университета Брауна создали алгоритм, позволяющий роботам лучше понимать команды на естественном языке. Специалисты научили алгоритм не только переводить команды в действия, но и анализировать уровень их абстракции. После обучения робот правильно интерпретировал команды в 90 процентах случаев в течение одной секунды. Работа была представлена на конференции Robotics: Science and Systems в Бостоне. О ней сообщает сайт университета, а ее текстовая версия доступна здесь.
Несмотря на то, что роботы и компьютеры умеют решать сложные задачи, одним из главных препятствий на пути к широкому их внедрению являются трудности взаимодействия с ними. Хотя компьютерные алгоритмы в целом ряде задач, например, при обработке данных, значительно превосходят возможности человека, эти задачи, прежде чем они будут выполнены, должны быть четко сформулированы. В отличие от людей, роботы плохо понимают «размытые» указания. Поэтому взаимодействие с ними с помощью команд на естественном языке все еще слабо реализовано.
Любую простую, с точки зрения обычного человека, задачу компьютеру приходится разбивать на множество отдельных небольших действий. К примеру, команду «возьми предмет в другой комнате» алгоритм должен сначала понять, а затем преобразовать в последовательность действий. При этом алгоритм должен не только понимать четкие инструкции, но и вычленять «суть» из команд с разным, в том числе и высоким, уровнем абстракции. Для того чтобы облегчить это взаимодействие, было предложено немало решений, в том числе даже разработан специальный язык, звучание и грамматика которого адаптированы для общения с роботами.
Авторы новой работы решили научить роботов сначала анализировать уровень абстракции команд, а затем уже начинать планировать последовательность действий. Для этого они провели обучение глубокой нейросетевой языковой модели на специальной платформе, где имитирующий робота алгоритм выполнял различные простые задания в виртуальном пространстве. За его действиями наблюдали добровольцы, которых после выполнения задачи просили сказать, какую команду они дали бы роботу, чтобы он выполнил показанную последовательность действий. Причем перед этим их предупреждали, насколько абстрактными должны быть команды.
Исследователи решили ввести три уровня абстракции. Низкий уровень абстракции подразумевал поэтапное описание действий, тогда как при высоком уровне команды звучали как «отнеси стул в синюю комнату».
В результате алгоритм выучил, к каким уровням абстракции, как правило, относятся те или иные слова. Соответственно, зная уровень абстракции, робот подстраивал свой планировщик действий. Исследователи решили проверить эффективность такого подхода с помощью физического эксперимента. Для этого они начертили на полу лаборатории «комнаты» и поместили в одну из них блок, который робот должен был перемещать по команде.
В рамках эксперимента тестировался как новый подход, так и планирование без оценки уровня абстракции. Выяснилось, что в первом случае робот правильно интерпретировал команды в 90 процентах случаев в течение одной секунды, а при втором подходе для половины команд понадобилось от 20 секунд и больше.
Ранее другая группа ученых уже пыталась упростить обучение компьютеров с помощью команд на естественном языке. Они решили научить искусственный интеллект проходить игры на видеоприставке, объясняя ему прохождение с помощью простых команд вроде «спустись по лестнице».
