Google為Alphabet幫手型機器人強化語言理解能力

Google本周宣布新的機器人AI模型PaLM-SayCan，讓Alphabet開發(fā)的事務幫手型（helper）機器人更能理解用戶的指令，并且更聰明執(zhí)行任務。

Alphabet X于2019年11月公布通用型學習機器人項目Everyday Robot Project，旨在開發(fā)日常任務用機器人，可執(zhí)行倒垃圾、擦桌子、整理家具、長遠目標是能幫助獨居長者自理家務等高端任務。去年Alphabet也展示Every Robot已在公司內(nèi)員工餐廳擦桌子、或在辦公室整理會議室。

圖片來源／Google

Google指出，過去幾年公司雖然在應用機器學習技術于機器人有一些進展，但到目前為止，這類機器人仍僅能執(zhí)行硬編寫的短指令，像是“拿起一顆蘋果”，在簡單明白、且反饋快速的任務上效果比較好。但它們不太能首席執(zhí)行官串指令，或理解抽象目標，像是“我剛運動完，你能幫我準備健康的點心嗎？”

Google同時說明，先前訓練語言模型的方法，由于語言模型并不和實體世界互動，也未觀察其反應造成的結(jié)果，因此現(xiàn)行模型如GPT-3可能會出現(xiàn)令人啼笑皆非的回應，像是如果用戶表示“我飲料灑出來了，你能幫忙嗎？”他會給出“你可以試試吸塵器”等不安全、不實用的“建議”，而FLAN模型的反應則是“對不起，我不是有意灑出來的?！?/p>

而Google則發(fā)展出名為PaLM-SayCan的模型。其名稱來自它利用語言模型的知識（理解用戶說話的動機，即Say）來決定和評估有用的行動。這個做法也利用“可供性”（affordance）功能做選擇在其周邊環(huán)境條件下可行的做法（Can）。

SayCan和機器人的關系是，機器人提供PaLM-SayCan語言模型的手和眼睛，而語言模型則提供任務的高端語義知識。系統(tǒng)執(zhí)行過程好比是由語言模型推動的人、機對話過程。一開始用戶發(fā)出指令，語言模型將之轉(zhuǎn)化成一系列機器人執(zhí)行的步驟。這個步驟串行是由機器人技能過濾，并依據(jù)當時環(huán)境條件決定最高可行性的計劃。此外，本模型也加入任務對應性（即技能語言描述），及和真實世界的對應性（即技能可行性）兩種幾率來決定完成指令的成功率。

因此在用戶說出打翻飲料時，PaLM-SayCan可以做出幾率計算后，在尋找吸塵器、找海綿、找垃圾筒、撿起蘋果等行為選項中，最后選擇拿來一塊海綿。

圖片來源／Google

Google也公開了機器人模擬設置的技術資源和文件，供有興趣的團隊測試這個PaLM-SayCan模型。