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

研究人員的任務，被稱之為在連續(xù)環(huán)境中的視覺和語言導航（VLN-CE），是在Facebook的模擬器Habitat中進行的，該模擬器可以訓練機器人助手在模擬真實環(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)集的內部，該數(shù)據(jù)集是通過10800多個全景圖和相應的3D網格捕獲的90個環(huán)境的集合。

機器人助手必須在一條路徑上做四個動作（向前移動0.25米，左轉或右轉15度，或停在目標位置）中的一個，并學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)點組成的軌跡，這些軌跡對應于在各個位置拍攝的360度全景圖像，顯示了導航能力。

他們用這個訓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，并使用它們預測一個動作；另一個是兩個網絡交叉模式注意模型，該模型跟蹤觀察結果，并根據(jù)指令和特征做出決策。

研究人員表示，在實驗中，表現(xiàn)最好的機器人可以遵循“向左拐，進入走廊”之類的指令，盡管這些指令要求機器人在發(fā)現(xiàn)視覺路標之前轉動未知的次數(shù)。事實上，機器人在看不見的環(huán)境，大約三分之一的場景中導航到目標位置，平均采取了88次行動。

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

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

Facebook投入了大量資源來解決自主機器人導航的問題。

在公布了一項訓練六足機器人走路的計劃后，F(xiàn)acebook首次推出了PyRobot，一種用于PyTorch機器學習框架的機器人框架。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航。最近，F(xiàn)acebook的一個團隊發(fā)表了一篇論文，描述了一個通過觀看視頻學習如何在辦公室里走動的系統(tǒng)。

責任編輯：ct