科幻電影里的機(jī)器人早就能和人類無障礙溝通了，但在現(xiàn)實(shí)生活中，機(jī)器人理解自然語言的能力還非常差，稍微復(fù)雜一點(diǎn)的指令，就會(huì)讓它們不知所措。

比如說：把我剛才放下的箱子拿起來。

讓機(jī)器人明白這樣的指令，是MIT計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室（CSAIL）最近才取得的突破。

MIT CSAIL設(shè)計(jì)出了一種方法，讓機(jī)器人可以理解并響應(yīng)以清晰明了的語言發(fā)出的語音指令。這個(gè)系統(tǒng)已經(jīng)先進(jìn)到可以理解涉及語境的指令，例如參考之前的命令和對(duì)象。

由CSAIL研究員開發(fā)的ComText（“語境中的指令”的縮寫）系統(tǒng)提供了“類似Alexa”的機(jī)器人語音控制功能。這樣的機(jī)器人可以理解語境，包括此前的指令，以及與之互動(dòng)的對(duì)象和周圍環(huán)境。

這意味著，用戶可以像與他人互動(dòng)一樣與機(jī)器人互動(dòng)。此前，與機(jī)器人的互動(dòng)是個(gè)巨大的挑戰(zhàn)，阻礙了機(jī)器人在商業(yè)場(chǎng)景和一般消費(fèi)級(jí)場(chǎng)景中的應(yīng)用。即使是在產(chǎn)業(yè)界，如果機(jī)器人可以理解自然語言語音指令，那么就可以更好地與人類合作。

通過對(duì)某些對(duì)象的理解，ComText可以用在工作中。例如，你可以告訴它，“我拿著的這個(gè)工具是我的工具”。未來，當(dāng)你對(duì)它說“把我的工具拿給我”時(shí)，它就會(huì)找到正確的工具。

如上圖所示，告訴機(jī)器人“我剛才放在桌子上的盒子是我的”，然后對(duì)它說“拿起我的盒子”，它就能正確理解。

研究人員使用Baxter模型對(duì)ComText系統(tǒng)進(jìn)行了檢驗(yàn)。Baxter是Rethink Robotics開發(fā)的雙臂人形機(jī)器人。

ComText在實(shí)現(xiàn)過程中采用了不同類型的記憶方式，包括用于一般信息的語義記憶，以及與特定事件關(guān)聯(lián)在一起的情景記憶。

在測(cè)試過程中，機(jī)器人能在約90%的情況下對(duì)語音指令做出正確反應(yīng)。研究團(tuán)隊(duì)希望通過更復(fù)雜的輸入信息，包括多步指令，以及深化機(jī)器人對(duì)上下文信息的理解，提高正確響應(yīng)的水平。

這項(xiàng)研究相關(guān)的論文Temporal Grounding Graphs for Language Understanding with Accrued Visual-Linguistic Context發(fā)表在剛剛結(jié)束的學(xué)術(shù)會(huì)議IJCAI 17上，作者包括MIT的Rohan Paul、Andrei Barbu、Sue Felshin、Boris Katz和Nicholas Roy。

地址：http://static.ijcai.org/proceedings-2017/0629.pdf

轉(zhuǎn)載36氪：http://36kr.com/p/5090803.html