从自然对话中实现类人任务识别
机器人学
2020-09-01 v2 人工智能
摘要
随着低成本精密硬件的发展，作为同事或同居者的机器人正日益普及。然而，能够提升机器人硬件可用性的配套软件栈仍是该进程的瓶颈，尤其当机器人并非专用于单一工作时。对多用途机器人编程需要具备临场任务调度能力，涉及任务识别与计划生成。若机器人接受人类以自然语言下达任务，问题维度进一步增加。尽管自然语言处理（NLP）与规划器开发的最新进展能解决诸多复杂问题，但二者融合用于动态机器人任务处理仍局限在有限范围。具体而言，从自然语言指令构建规划问题尚未被深入研究。本工作中，我们提出一种非平凡方法，将 NLP 引擎与规划器结合，使机器人能成功识别任务及所有相关参数并生成准确计划。此外，还需某种机制以解决自然语言指令中的歧义或信息缺失。为此，我们还开发了对话策略，旨在以最少的问答交互、且仅在必要时收集额外信息。本工作朝着赋予机器人类人任务理解能力迈出了重要一步。
引用
@article{arxiv.2008.10073,
title = {Enabling human-like task identification from natural conversation},
author = {Pradip Pramanick and Chayan Sarkar and Balamuralidhar P and Ajay Kattepur and Indrajit Bhattacharya and Arpan Pal},
journal= {arXiv preprint arXiv:2008.10073},
year = {2020}
}