據(jù)外媒Venturebeat報(bào)道，F(xiàn)acebook、喬治亞理工學(xué)院和俄勒岡州立大學(xué)的研究人員在本周發(fā)表的一篇預(yù)印本論文中，描述了人工智能的一項(xiàng)新任務(wù)——通過聽自然語言的指令，在3D環(huán)境中導(dǎo)航（例如，“走下大廳，在木桌旁左轉(zhuǎn)”）。他們說，這可以為遵循自然語言指令的機(jī)器人助手奠定基礎(chǔ)。

研究人員的任務(wù)，被稱之為在連續(xù)環(huán)境中的視覺和語言導(dǎo)航（VLN-CE），是在Facebook的模擬器Habitat中進(jìn)行的，該模擬器可以訓(xùn)練機(jī)器人助手在模擬真實(shí)環(huán)境的環(huán)境中操作。直徑為0.2米、1.5米高的助手被放置在來自Matterport3D數(shù)據(jù)集的內(nèi)部，該數(shù)據(jù)集是通過10800多個全景圖和相應(yīng)的3D網(wǎng)格捕獲的90個環(huán)境的集合。

機(jī)器人助手必須在一條路徑上做四個動作（向前移動0.25米，左轉(zhuǎn)或右轉(zhuǎn)15度，或停在目標(biāo)位置）中的一個，并學(xué)會避免被困在障礙物上，比如椅子和桌子上。

研究小組將這些環(huán)境提煉成4475條由4到6個節(jié)點(diǎn)組成的軌跡，這些軌跡對應(yīng)于在各個位置拍攝的360度全景圖像，顯示了導(dǎo)航能力。

他們用這個訓(xùn)練兩個人工智能模型：一個sequence-to-sequence模型，該模型由采取視覺觀察和指令表示的策略組成，并使用它們預(yù)測一個動作；另一個是兩個網(wǎng)絡(luò)交叉模式注意模型，該模型跟蹤觀察結(jié)果，并根據(jù)指令和特征做出決策。

研究人員表示，在實(shí)驗(yàn)中，表現(xiàn)最好的機(jī)器人可以遵循“向左拐，進(jìn)入走廊”之類的指令，盡管這些指令要求機(jī)器人在發(fā)現(xiàn)視覺路標(biāo)之前轉(zhuǎn)動未知的次數(shù)。事實(shí)上，機(jī)器人在看不見的環(huán)境，大約三分之一的場景中導(dǎo)航到目標(biāo)位置，平均采取了88次行動。

這些機(jī)器人偶爾也會失敗，根據(jù)合著者的說法，這些失敗通常是由于機(jī)器人在視覺上丟失了指令中提到的對象。

“至關(guān)重要的是，VLN-CE為（研究）社區(qū)提供了一個測試平臺，在這里可以進(jìn)行研究高級和低級控制界面的這類集成實(shí)驗(yàn)，”合著者寫道。

Facebook投入了大量資源來解決自主機(jī)器人導(dǎo)航的問題。

在公布了一項(xiàng)訓(xùn)練六足機(jī)器人走路的計(jì)劃后，F(xiàn)acebook首次推出了PyRobot，一種用于PyTorch機(jī)器學(xué)習(xí)框架的機(jī)器人框架。2018年，F(xiàn)acebook推出了開源人工智能，可以通過360度圖像在紐約市街道上導(dǎo)航。最近，F(xiàn)acebook的一個團(tuán)隊(duì)發(fā)表了一篇論文，描述了一個通過觀看視頻學(xué)習(xí)如何在辦公室里走動的系統(tǒng)。

責(zé)任編輯：ct