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)雜一點的指令，就會讓它們不知所措。

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計算機(jī)科學(xué)和人工智能實驗室（CSAIL）最近才取得的突破。

MIT CSAIL設(shè)計出了一種方法，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，以及與之互動的對象和周圍環(huán)境。

這意味著，用戶可以像與他人互動一樣與機(jī)器人互動。此前，與機(jī)器人的互動是個巨大的挑戰(zhàn)，阻礙了機(jī)器人在商業(yè)場景和一般消費級場景中的應(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。

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

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ComText系統(tǒng)進(jìn)行了檢驗。Baxter是Rethink Robotics開發(fā)的雙臂人形機(jī)器人。

ComText在實現(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。

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

這項研究相關(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