爱吧机器人网 » 技术 > 机器学习 > 正文

智能机器人困惑的时候知道该问什么问题

核心提示: 照片:Nick Dentamaro 布朗大学 上周,我们提到了麻省理工学院的一些研究,即通过链接人的大脑来帮助机器人在他们将要犯错误的时

布朗大学研究员与Baxter机器人
    照片:Nick Dentamaro /布朗大学
 
    上周,我们提到了麻省理工学院的一些研究,即通过链接人的大脑来帮助智能机器人在他们将要犯错误的时候纠正自己。这是非常酷、非常未来主义的东西,但你必须戴上一个非常非常愚蠢的、能够分辨出精确到10毫秒单位的脑电波的帽子,这样它才能有效。
 
    在布朗大学,Stefanie Tellex实验室的研究人员们正在尝试用一个更加社会化的方法让机器人更准确地与人类连接交互。通过使机器人在交互式任务中对其自我困惑进行建模,机器人可以在必要时询问一些相关澄清类的问题以帮助自己准确理解人类具体想要什么,这不需要帽子。
 
    无论对人还是对机器人,你让其帮你去取一件物体,如果这个物体在某种程度上是独特的,那么这将是一个简单的任务;而如果这个任务涉及到一些与目标物体类似的其他物体,那么这就变得复杂了。比方说你是技工,你想找个助手帮你递工具。你可以指着一个架子上的工具,说:“把那个工具给我。”你的助手,如果他们是人,会看你指向哪里,如果货架上只有少数的工具,他们也许能够推断出你要什么工具。但是,如果货架大多是填满的,尤其是如果它充满了相似的工具,你的助手则可能无法确定你到底在要什么工具,所以他们会通过某种方式要求你澄清一下,比如也许指着一个工具,并问,“你要的是这个么?”
 
    要在这种情况下起作用,你的助手会有一个模糊性和不确定性的理解:他们必须要清楚什么时候自己所掌握的信息足以或者不足以完成这个任务,并在必要时采取正确的行动来获取更多的信息,这种不确定性到底是来自助手自己没理解到位,还是你没有表达清楚什么是你具体想要的。对于机器人助手来说,这是一个比人类助手更难的问题,因为涉及到社交化因素。指向、手势、凝视和语言提示都是人类用来交流信息的技巧,而机器人在这方面的表现却通常很糟糕。
 
    布朗大学的研究人员创建了一个名为“FEedback To Collaborative Handoff Partially Observable Markov Decision Process”的决策系统,简称FETCH-POMDP,这种系统能够了解常用手势的含义,这些含义与做手势的人所说的内容相结合来提高机器人对人类想要什么的理解。如果有人正在寻求合作(假设人都是诚实的,不存在欺骗),该系统就能够根据自己困惑来建模,并只在绝对必要的时候提出问题,以免过分烦人。
 
    为了测试fetch-pomdp系统,布朗大学研究人员调查了那些没有明确表达让Baxter机器人为他们取什么东西的人。结果是:三分之一的时候,机器人没有问问题;三分之一的时候,机器人总是问问题;最后的第三分之一时间,机器人只在它认为某个问题是必要的时候才问。研究人员本来预期的是,机器人在不问任何问题的时候是最快的,在总问问题的时候是最准确的,但事实证明,智能化提问的方式是最快也是最准确的。这是因为人类与机器人的互动是混乱的:人们问问题导致转录错误(例如混淆“yes”与“hand”),所以更多的问题意味着更多的误解。
 
    有趣的是,试验中的参与者也把所有的能力归因于机器人,实际上它并没有这种能力:
 
    在试验过程中,许多用户使用介词短语来描述物品,如“给我在碗的左边的勺子。“虽然语言模型在这项任务中没有解释指称语言,但机器人能够使用智能社交化反馈来找出人的期望。这也许可以解释为什么许多用户报告说,他们认为机器人理解介词短语。存在解释指称语言的方法,但仍会出现理解问题。我们的模型将有助于纠正这些错误,而不管具体状态判断和语言理解的方法。
 
    研究人员计划升级更新他们的模型,包括类似的参考措辞,他们还想增加眼睛跟踪这样的东西,以提高精度,甚至更多。添加能力的地方(随着挑选)有可能使这个系统应用在更多的工作场所,尤其是当你有一个宇宙飞船需要修理的时候。
 
    “通过社交化反馈的相互作用减少取物的错误,”内容出自布朗大学的David Whitney,Eric Rosen,James MacGlashan,Lawson L.S. Wong,和Stefanie Tellex,他们将出席在ICRA 2017新加坡。

(本文由爱吧机器人网原创编译  转载请注明原文链接  违者必究)

上一篇:深入浅出Tensorflow(一):深度学习及TensorFlow简介
下一篇:吴恩达:如果高管懂机器学习 数百万人将会失业

本周栏目热点

期待已久的Ubuntu 18.04 LTS正式发布 适用于机器学习

[2018-04-27]  Canonical于伦敦时间26日正式发布了Ubuntu 18 04 LTS版,Canonical的CEO称,Ubuntu 18 04 LTS在云计算领域效率极高,特别适用于机器学习这样的存储密集型和计算密集型任务。...

关于应用机器学习作为搜索问题的入门简介

[2018-01-03]  机器学习的应用可以理解为一个搜索问题,即根据某个项目的已知信息和可获取的资源,找到从输入到输出的最好的映射。在本文你即将看到把应用机器学习当作搜索问题的概念...

[2016-02-24]     伊隆·马斯克、史蒂芬·霍金和比尔·盖茨都曾多次警告称,快速发展的人工智 ...

工业机器人四种编程技术

[2017-07-05]  在线示教编程通常由操作人员通过示教盒控制机械手工具末端到达指定的姿态和位置,记录机器人位姿数据并编写机器人运动指令,完成机器人在正常加工中的轨迹规划、位姿等关节数......

解放人类的双手 机器人尝试自主学习抓取物体

[2017-05-27]  98%的情况下机器人抓取都是成功的。训练机器人如何在不掉落的情况下抓住各种物体,通常需要大量的练习。不过,加州大学伯克利分校和西门子 ...

精选推荐

基于生物启发的机器人很容易适应丢失附属器官
基于生物启发的机器人很容易适应丢失附属器官

[2017-12-17]  很多机器人被设计应用在危险环境,如灾难现场。在这些地方,他们的运动系统完全有可能被损坏。那这样会吓跑这些机器人吗?也许不是,如果它们像日本的东北和北海道大学创造的......

CES 2018:英特尔推出49量子位芯片争夺量子霸权
CES 2018:英特尔推出49量子位芯片争夺量子霸权

[2018-01-10]  在与Google、IBM的一场关于建立量子计算系统的马拉松比赛中,英特尔通过了一个关键的里程碑。近日,这个科技巨头已经推出了一个49个量子位 ...

人工智能民主化能否实现取决于科技巨头
人工智能民主化能否实现取决于科技巨头

[2017-12-29]  我们经常听到像谷歌和微软这样的公司说他们希望人工智能民主化。这是一个很好的词,民主化。 但这些公司如何界定“民主化”还不清楚,像AI本身一样,它似乎有点炒作的味道...

亚马逊CEO杰夫·贝佐斯操控巨型有人驾驶机器人(巨型机甲)
亚马逊CEO杰夫·贝佐斯操控巨型有人驾驶机器人(巨型机甲)

[2017-03-21]  近日,亚马逊CEO杰夫·贝佐斯实现了每一个6岁儿童都会有的梦想,他控制了一个巨大的机甲机器人。据国外媒体Verge报道,前天(3月19日),贝 ...

2022年全球工业机器人市场将达到790亿美元
2022年全球工业机器人市场将达到790亿美元

[2017-09-04]  预计到 2022年, 全球工业机器人市场将达到790亿美元, 并在预测期内登记11 5% 的复合年增长率。随着发展中国家中小型企业需求的不断增长, 采用自动化技术以确保生产质量......

农业将为高科技行业 农业机器人的应用领域
农业将为高科技行业 农业机器人的应用领域

[2017-12-17]  农业正在迅速成为一个令人兴奋的高科技产业,吸引了新专业人士,新公司和新投资者。技术发展迅速,不仅提高了农民的生产能力,而且促进了我们所知道的机器人和自动化技术的发展。...

科学家从蟑螂获得启发 教机器人更好地走路
科学家从蟑螂获得启发 教机器人更好地走路

[2017-12-11]  Weihmann指出:“我特别感到惊讶的是,动物运动稳定机制的变化与腿部协调的变化是一致的。昆虫的慢运行非常稳定,因为它的重心很低,三条腿总是以协调的方式运动。...

7种常见的机器人焊接类型
7种常见的机器人焊接类型

[2017-12-17]  机器人焊接是工业领域最常见的机器人应用之一,近几十年来主要由汽车行业驱动。机器人焊接在完成大批量,重复性的焊接任务时效率最高。...