用代碼驅動的機器人，如何更好地進行人機交互？最近，布朗大學的人機機器人實驗室使用AI加持的新系統進行測試，該系統的目標是讓機器人理解人類用日常語言發出的指令，並准確執行任務。

這項研究的關鍵點在於，他們开發了一種新的系統，能夠使機器人執行復雜的任務，而不需要數千小時的數據訓練。傳統的機器訓練中，要讓機器人在不同地方進行導航，需要大量示例來告訴機器人如何理解和執行指令，而這個新系統可以使機器人可以在不同環境中運行，只需要提供該區域的詳細地圖。

研究人員介紹了他們系統中嵌入的大語言模型的作用，通過將指令進行分解，無需大量訓練數據，就可以使機器人理解並執行任務。該系統不僅能夠接受自然語言指令，還能夠根據環境的上下文來計算機器人可能需要的邏輯跳，這使得指令更加簡單明了，包括機器人可以做什么、不能做什么以及按什么順序執行。

該項目的主要研究員之一，布朗大學計算機科學教授StefanieTellex介紹道：“在選擇實驗對象時，我們特別考慮了在環境中移動的移動機器人，我們想用一種方法，讓機器人可以聽懂人類對他下達的復雜且口語化的指令串聯起來，比如沿着普羅維登斯的塞耶街去咖啡店見我，但避开CVS並首先在銀行停下來，並具體地按照指令步驟准確實施。”

如果該研究取得成果，未來將會應用於在城市中的衆多移動機器人上，包括無人機、自動駕駛汽車、無人運輸車輛等，你只需要用平時與人交流的說話方式和機器人交互，他便可以准確理解你的指令，使移動機器人在復雜環境下的應用成爲可能。

爲了測試這個系統，研究人員在21個城市使用OpenStreetMap進行了模擬，結果顯示系統在80%的時間內都能准確執行任務，這一准確率遠高於其他類似系統，它們通常只能達到20%左右的准確率，無法處理復雜的指令和任務。

同時，團隊還在布朗大學校園內使用波士頓動力的Spot機器人進行了室內測試，spot機器人被認爲是全球領先的通用四足機器人之一，在spot身上取得驗證的成功有利於促進該系統對其他廠商機器人的適用性。

JasonXinyu是一名計算機科學博士，也是本次研究團隊的主要成員，他用一個例子解釋了這個系統的工作原理。

假如用戶告訴無人機去“商店”在“主街”，但要先去“銀行”。輸入該指令後，首先，軟件將這兩個地點識別出來，然後語言模型开始將這些抽象地點與機器人所在的具體地點進行匹配；與此同時，它還分析地點的元數據，比如地址或地點的類型，以幫助系統做出決策，在這種情況下，有幾家商店附近，但只有一家在主街上，所以系統知道要去哪裏；隨後，語言模型將命令翻譯成线性時序邏輯，這是一種數學代碼和符號來表達命令；最後，系統將當前映射的位置代入這個公式中，告訴機器人前往A點，但要在B點之後。

Jason介紹，11月將在網上發布基於OpenStreetMaps的模擬，允許用戶自己測試這個系統。用戶可以在網頁上輸入自然語言命令，指導模擬中的無人機執行導航任務，以幫助研究人員微調軟件。

這意味着，一個由大衆共同訓練的“AI+機器人”項目，正在向我們走來。

---

標題：AI讓機器人更懂人類，新一代“聽懂人話”的機器狗正在訓練中

地址：https://www.utechfun.com/post/288008.html