Pravděpodobnostní akční jádra - Probabilistic Action Cores

PRAC
Verze1.1.2
RámecKrajta
TypTlumočník výuky v přirozeném jazyce
LicenceBSD
Vedoucí vývojářDaniel Nyga
ÚstavInstitute for Artificial Intelligence, University of Bremen
webová stránkahttp://www.actioncores.org
Screenshot tlumočníka přirozeného jazyka PRAC na počítači a mobilním klientovi.

PRAC (pravděpodobnostní akční jádra) je tlumočník pro přirozený jazyk pokyny pro robotické aplikace vyvinuté v Ústavu pro umělou inteligenci při University of Bremen, Německo, a je částečně podporován Evropská komise a Německá výzkumná nadace (DFG).[1]

Cíle

Konečným cílem systému PRAC je získávání znalostí o každodenních činnostech z webových stránek, jako je wikiHow k dispozici pro servisní roboty, takže mohou samostatně procházet nové dovednosti na vysoké úrovni Web.[2] PRAC řeší problém, který přirozený jazyk je ze své podstaty vágní a nespecifická. Za tímto účelem PRAC udržuje pravděpodobnostní znalostní báze prvního řádu přes sémantické sítě zastoupena v Markovovy logické sítě. Na rozdíl od jiných sémantický učení se iniciativy jako NELL nebo IBM je Watson, PRAC nemá za cíl odpovídat na otázky v přirozený jazyk, ale k disambiguaci a odvození informací, které chybí v pokynech v přirozeném jazyce, aby je mohl vykonat robot. „Tato formulace problému se podstatně liší od problému porozumění textu při zodpovězení otázek nebo strojovém překladu. V těchto úlohách uvažování lze často zachovat neurčitost a nejednoznačnost výrazů v přirozeném jazyce a přeložit je do jiných jazyků. Naproti tomu robotičtí agenti odvodit chybějící části informací a vyjasnit význam pokynu, aby byl pokyn úspěšně proveden. “[3] Navíc pravděpodobnostní relační modely, PRAC používá principy analogické uvažování a instanční učení odvodit dokončení rolí v sémantických sítích.[4]

PRAC byl úspěšně použit k výuce robotů provádět chemické experimenty[5] a připravovat palačinky a pizzu wikiHow článků.[6]

Reference

  1. ^ Nyga, Daniel (2017). „Interpretace robotů v přirozeném jazyce: Pravděpodobnostní reprezentace znalostí, učení a uvažování“ (PDF). PHD práce.
  2. ^ Nyga, Daniel; Beetz, Michael (2012). "Všechno, co roboti chtěli vždy vědět o domácích pracích (ale báli se zeptat)". 2012 Mezinárodní konference IEEE / RSJ o inteligentních robotech a systémech. 243–250. CiteSeerX  10.1.1.708.7035. doi:10.1109 / IROS.2012.6385923. ISBN  978-1-4673-1736-8.
  3. ^ Nyga, Daniel; Beetz, Michael (2015). „Pravděpodobnostní znalostní služby založené na cloudu pro tlumočení výuky“ (PDF). Mezinárodní symposium výzkumu robotiky (ISRR).
  4. ^ Nyga, Daniel; Picklum, Mareike; Koralewski, Sebastian; Beetz, Michael (2017). „Dokončení výuky prostřednictvím instančního učení a sémantického analogického uvažování“. Mezinárodní konference o robotice a automatizaci (ICRA).
  5. ^ Lisca, Gheorghe; Nyga, Daniel; Balint-Benczedi, Ferenc; Langer, Hagen; Beetz, Michael (2015). "Směrem k robotům provádějícím chemické experimenty". 2015 Mezinárodní konference IEEE / RSJ o inteligentních robotech a systémech (IROS). str. 5202–5208. doi:10.1109 / IROS.2015.7354110. ISBN  978-1-4799-9994-1.
  6. ^ Will Knight (24. srpna 2015). „Roboti se učí vyrábět palačinky z článků WikiHow“. Technická recenze MIT. Citováno 2017-03-14. Robot s názvem PR2 se v Německu učí připravovat palačinky a pizzy pečlivým čtením písemných pokynů WikiHow.

externí odkazy