Forskare vid SUNY Binghamton, Cleveland State University och University of Washington har nyligen utvecklat ett nytt dialogsystem som kan förbättra interaktioner mellan människa och robot. Detta system, presenteras i en tidning förpublicerad på arXiv, är utformad för att kontinuerligt lära av sina dialogerfarenheter, utöka sin kunskapsbas och språkkapacitet över tiden.

"Under de senaste åren har många företag och forskningsinstitut har börjat fundera på att designa och använda robotar i inomhusmiljöer för olika applikationer, "Saeid Amiri, en av forskarna som genomförde studien, berättade för TechXplore. "För en robot i en mänsklig miljö, förmågan att använda naturligt språk för att kommunicera med människor är av avgörande betydelse. Dock, det finns några utmaningar för att uppnå detta. En är att språket kan vara tvetydigt, även i ett samtal mellan människor. För det andra, till skillnad från människor, en robots kunskap om sin omgivning (t.ex. föremål och människor runt den) är ganska begränsad."

I deras studie, Amiri och hans kollegor siktar på att ta itu med begränsningarna hos många befintliga dialogsystem genom att utveckla ett system som kan lära av sin omgivning och därmed perfekta sina möjligheter över tid. Deras övergripande mål var att låta robotar slutföra en uppgift framgångsrikt, som att leverera ett paket, samtidigt som de skaffar sig nya begrepp om sin omgivning.

"I människa-robotkommunikation, om en människa hänvisar till något okänt föremål, roboten har ofta svårt att förstå det, " Sa Amiri. "För att ta itu med det här problemet, vi kom på idén om ett dialogsystem som ställer förtydligande frågor (t.ex. Ska jag leverera ett paket? Är det här leveransen för Bob?) när människan tilldelar den en uppgift. Sådana frågor hjälper roboten att inse att den måste lära sig nya ord."

Dialogsystemet som utvecklats av Amiri och hans kollegor har fyra huvudkomponenter:en språkförståelsekomponent, en dialogansvarig, en kunskapshanterare och ett språkgenereringsverktyg. Språkförståelsekomponenten analyserar meningar som talas av människor till formella representationer och matar dem sedan till roboten. När dialogsystemet tillämpas på en leveransuppgift, till exempel, som den som forskarna fokuserade på i sina experiment, språkförståelsekomponenten tillåter systemet att identifiera föremål som nämns av mänskliga användare eller information relaterad till mottagaren av ett paket.

Dialoghanterarens komponent, å andra sidan, bestämmer vilka frågor roboten ska ställa mänskliga användare om den inte helt förstod instruktioner eller meningar. Baserat på en användares svar på dessa frågor, roboten uppdaterar sin grad av säkerhet om innebörden av begrepp som användaren refererar till.

Senare, dialogsystemets kunskapshanterarkomponent avgör om roboten behöver lära sig ett nytt koncept eller inte. Om en robot redan känner till alla nyckelbegrepp som beskrivs av en användare, till exempel, det är ingen idé att lära sig ytterligare eller onödiga ord.

Till sist, språkgenereringskomponenten tillåter roboten att producera svar och svara användare direkt. I deras studie, Amiri och hans kollegor bestämde sig för att hålla denna komponent så enkel som möjligt, och använde därför en serie raka, fördefinierade texter.

Forskarna utvärderade sitt system i både simuleringar och experiment som involverade mänskliga deltagare, som rekryterades via Amazon Mechanical Turk och andra plattformar. Deras resultat var mycket lovande, med deras system som överträffar andra dialogagenter i interaktioner mellan människa och robot, både vad gäller effektivitet och noggrannhet. I sina tester, systemet uppnådde en god förståelse för användarfrågor samtidigt som det kontinuerligt uppdaterade sina kunskaper och språkkunskaper över tiden.

"Under vår studie, vi bad några mänskliga deltagare att använda vår robot och roboten kunde utöka sin kunskap genom dialogen med användarna, " Sa Amiri. "En robot som har förmågan att veta när den ska lära sig ny kunskap i sig var en stor prestation. Det skulle innebära att du i princip kan äga en robot som stegvis lär sig nya koncept genom interaktion och dialog med människor."

I framtiden, det dialogsystem som utvecklats av Amiri och hans kollegor skulle kunna användas för att förbättra interaktionsförmågan hos både befintliga och nya robotar. Under tiden, forskarna planerar att fortsätta arbeta på sitt system för att ytterligare förbättra dess prestanda, effektivitet, och tillämpbarhet.

"Även om vi uppnådde vårt mål i denna forskning, det är fortfarande en lång väg att få roboten att agera lika naturligt som en människa, " Sa Amiri. "Jag skulle nu vilja förbättra vårt dialogsystem så att en robot kommer att prata ett lägre antal gånger, annars kan människor känna sig frustrerade och tappa förtroendet för roboten. Också, om en människa använder slentrianmässigt språk i kommunikationen, roboten kan för närvarande ha svårt att förstå hans/hennes begäran, vilket är något annat jag skulle vilja jobba med."

© 2019 Science X Network