রোবটকে প্রাকৃতিক ভাষা কার্যকরভাবে চালিত করতে সক্ষম করার একটি সিস্টেম

আপনি কি এমন ভবিষ্যতের স্বপ্ন দেখছেন যেখানে রোবটগুলি বিভিন্ন ক্রিয়াকলাপের জন্য ব্যবহৃত হয় যাতে সেগুলি আমাদের নিজেরাই করতে না হয়?

আসুন, এটি সম্পর্কে চিন্তা করুন! পরিষ্কার করা, রান্না করা, আমাদের সমস্ত কাজ করা বিস্ময়কর সম্ভাবনার কয়েকটি মাত্র। ঠিক কি দুর্দান্ত সম্ভাবনা? দুর্ভাগ্যক্রমে, এই মুহুর্তে আপনাকে স্বপ্ন দেখতে হবে।

কিছু বিস্ময়কর রোবট রয়েছে যেগুলি এখানে বিদ্যমান রয়েছে, যদিও রোবটগুলি এখনও এর মতো বিস্তৃত ক্রিয়াকলাপ কার্যকরভাবে কার্যকর করার পক্ষে পর্যাপ্তভাবে গ্রহণযোগ্য নয়। তদুপরি, বক্তৃতা স্বীকৃতি প্রযুক্তি লাফিয়ে ও সীমাবদ্ধতার দ্বারা উন্নত হয়েছে, তবে এটি রোবটগুলির সাথে ব্যবহারের পক্ষে এখনও যথেষ্ট ভাল নয়।

আপনার নির্দেশাবলী অনুসরণ করতে অনুমানমূলক রোবট বাটলার জাতীয় কিছু পাওয়ার জন্য আপনার সেরা বাজিটি নির্দেশ সেটটি টাইপ করা।

স্পোকেন কমান্ড

স্পোকড কমান্ডগুলির সমস্যা হ'ল এগুলির মধ্যে বিভিন্ন ধরণের জটিলতা রয়েছে যদিও এটি সর্বদা পরিষ্কার নয়।

আপনার রোবটকে বলার কল্পনা করুন, "সেখানে বাক্সটি তুলে নিন ick" এটি যথেষ্ট সহজ বলে মনে হচ্ছে তবে একটি সমস্যা আছে। আপনার রোবটটিকে ক্রিয়াটি সম্পন্ন করার আগে এটি কয়েকটি ধাপে বিভক্ত করতে হবে। এই আদেশটি কার্যকর করার জন্য একটি সম্ভাব্য দৃশ্য:

• ট্র্যাকিং সিস্টেম চালু করুন
• চলার মোটর চালু করুন
• দিক পরিবর্তন
• প্রয়োজনীয় পদক্ষেপ গ্রহণ করুন
• অঙ্গ ঘোরান
• ক্লেঞ্চ বক্স
• লিফট বক্স

আপনি দেখতে পাচ্ছেন, এটি বাস্তবে এটি প্রদর্শিত হওয়ার চেয়ে বেশি জটিল। এখন এই আদেশটি এমন কিছুর সাথে তুলনা করে কল্পনা করুন, "আপনার ট্র্যাকিং সিস্টেমটি চালু করুন” "যদিও এই 2 টি কমান্ড দেওয়ার জন্য ব্যবহৃত শব্দের সংখ্যা একই, তবুও তাদের জটিলতার মাত্রা পৃথক পৃথক।

আমরা কীভাবে এটি সমাধান করতে পারি? যেমনটি এখন দাঁড়িয়ে আছে, রোবটদের স্পোকড কমান্ডগুলির জটিলতার বিভিন্ন স্তরের বের করতে সমস্যা হবে।

ভীত হবেন না, ব্রাউন ইউনিভার্সিটির একটি দল এমন একটি সিস্টেম তৈরি করেছে যা রোবটদের কথ্য কমান্ডগুলি পরিচালনা করার পদ্ধতি উন্নত করে।

কীভাবে আপনার রোবটগুলি আপনার আদেশগুলি মান্য করবেন: স্পোকেন কমান্ডগুলি কার্যকরভাবে সম্পাদন করতে রোবটকে সক্ষম করার একটি ব্যবস্থা

ব্রাউন এর গবেষকরা বিভিন্ন জটিলতার বিভিন্ন স্তর বুঝতে তাদের সিস্টেমকে প্রশিক্ষণ দিতে তাদের প্রাপ্ত ডেটা ব্যবহার করেছিলেন। সিস্টেমটি তখন কী পদক্ষেপ গ্রহণ করতে হবে তা সংগ্রহ করতে সক্ষম হয়েছিল এবং বিভিন্ন বাক্য কাঠামোর সাথে জড়িত জটিলতার মাত্রা বুঝতে পেরেছিল।

ব্রাউন ইউনিভার্সিটির টিম একটি দক্ষ পদ্ধতি ব্যবহার করে স্পোক কমান্ড কার্যকর করতে রোবটগুলি পাওয়ার সমস্যাটি সমাধান করার সিদ্ধান্ত নিয়েছে। তারা অ্যামাজনের মেকানিকাল তুর্কি পাশাপাশি তাদের মডেলটি বিকাশের জন্য ভার্চুয়াল ক্লিনআপ ওয়ার্ল্ড নামে একটি সরঞ্জাম ব্যবহার করেছিল।

মেকানিকাল তুর্ক কাজের জন্য একটি মার্কেটপ্লেস যার জন্য মানুষের বুদ্ধি প্রয়োজন। যদিও কৃত্রিম বুদ্ধিমত্তা কিছু চিত্তাকর্ষক ঘটনা তৈরি করছে, এমন অনেকগুলি কাজ রয়েছে যা মানুষ আরও কার্যকরভাবে করতে পারে যেমন একটি ভিডিওতে বস্তু শনাক্তকরণ ভার্চুয়াল ক্লিনআপ ওয়ার্ল্ড একটি ভার্চুয়াল টাস্ক ডোমেন। এটিতে রঙ-কোডেড কক্ষ, একটি ভার্চুয়াল রোবট এবং রোবটের সাথে কাজ সম্পাদন করার জন্য একটি বিষয় রয়েছে।

মেকানিকাল তুর্কের স্বেচ্ছাসেবকরা আবিষ্কার করেছিলেন যে কোন নির্দেশিকা সেট ক্লিনআপ ওয়ার্ল্ডে নির্দিষ্ট ক্রিয়াকলাপ ঘটাচ্ছে। প্রথমত, তারা বিভিন্ন কাজ সম্পাদন করার সাথে সাথে তারা রোবটটি পর্যবেক্ষণ করেছে।

তারপরে তাদের জিজ্ঞাসা করা হয়েছিল যে কোন নির্দেশাবলীর সেট তারা আরও ভাল কাজ করবে বলে ভেবেছিল। স্বেচ্ছাসেবীদের উচ্চ-স্তরের, মধ্য-স্তর এবং নিম্ন-স্তরের কমান্ড তৈরি করতে বলা হয়েছিল।

উচ্চ-স্তরের কমান্ডগুলি হ'ল রোবটকে কোনও নির্দিষ্ট রঙের একটি ঘরে চেয়ার বহন করার নির্দেশ দেওয়া। নিম্ন-স্তরের কমান্ডগুলি কমান্ডগুলি কয়েকটি ধাপে বিভক্ত হয়েছিল। মিড-লেভেল কমান্ডগুলি উচ্চ এবং নিম্ন-স্তরের কমান্ডগুলির বৈশিষ্ট্যগুলি একত্রিত করে।

ব্রাউন এর গবেষকরা বিভিন্ন জটিলতার বিভিন্ন স্তর বুঝতে তাদের সিস্টেমকে প্রশিক্ষণ দিতে তাদের প্রাপ্ত ডেটা ব্যবহার করেছিলেন। সিস্টেমটি তখন কী পদক্ষেপ গ্রহণ করতে হবে তা সংগ্রহ করতে সক্ষম হয়েছিল এবং বিভিন্ন বাক্য কাঠামোর সাথে জড়িত জটিলতার মাত্রা বুঝতে পেরেছিল।

টেস্টে সিস্টেম স্থাপন করা

রোবটগুলি যখন কাঙ্ক্ষিত শেষ ফলাফলটি সনাক্ত করতে সক্ষম হয়েছিল, পাশাপাশি কার্যগুলির জটিলতার স্তরটি বুঝতে পেরেছিল, তখন তারা সময়টির মাত্র 1 দ্বিতীয় 90 শতাংশের মধ্যে কাজটি সম্পন্ন করে।

এর ভিত্তিতে, এটি প্রদত্ত কথ্য কমান্ডগুলির উপর ভিত্তি করে এটি একটি উপযুক্ত পরিকল্পনা তৈরি করতে সক্ষম হয়েছিল। তাদের সিস্টেম প্রশিক্ষণের পরে, সময় এসেছে তাদের শ্রমের ফল পরীক্ষা করার was গবেষণায় আবারও ক্লিনআপ ওয়ার্ল্ড ব্যবহার করা হয়েছিল এবং একই সাথে ভার্চুয়াল ক্লিনআপ ওয়ার্ল্ডের অনুরূপ একটি প্রকৃত স্থান নির্ধারণ করা একটি বাস্তব রোবট ব্যবহার করা হয়েছিল।

রোবটগুলি যখন কাঙ্ক্ষিত শেষ ফলাফলটি সনাক্ত করতে সক্ষম হয়েছিল, পাশাপাশি কার্যগুলির জটিলতার স্তরটি বুঝতে পেরেছিল, তখন তারা সময়টির মাত্র 1 দ্বিতীয় 90 শতাংশের মধ্যে কাজটি সম্পন্ন করে।

যাইহোক, যখন জটিলতার স্তর বোঝার ক্ষেত্রে কোনও ব্রেকডাউন হয়েছিল, তখন কার্য সমাপ্তি আরও বেশি সময় নিয়েছিল। এই ক্ষেত্রে, কোনও কাজ শেষ করতে রোবটগুলির 20 বা ততোধিক সেকেন্ডের পরিকল্পনা প্রয়োজন।

গবেষকদের আরও কার্যকর ব্যবস্থা তৈরি করার জন্য এই ভাঙ্গনগুলি হ্রাস করার উপায়গুলি সন্ধান করতে হবে।

সর্বশেষ ভাবনা

মূলধারার আগে রোবটদের যাওয়ার এখনও বেশ কিছু উপায় আছে। যাইহোক, এই কাজটি আমাদের রোবটগুলির নিকটে নিয়ে আসে যা সহজেই আমরা তাদের যে আদেশগুলি দিয়ে থাকি তা বুঝতে পারে। ততক্ষণ, নিজের থালা বাসন ধুয়ে নিন।