一个对话系统 以加强面向目标的人机交互

SUNY Binghamton，克利夫兰州立大学和华盛顿大学的研究人员最近开发了一种新的对话系统，可以改善人机交互。该系统在arXiv上预先发表的论文中提出，旨在不断学习其对话经验，随着时间的推移增强其知识基础和语言能力。

“近年来，许多公司和研究机构已经开始考虑在室内环境中设计和使用机器人以用于各种应用，”开展这项研究的研究人员之一Saeid Amiri告诉TechXplore。“对于人类居住环境中的机器人来说，使用自然语言与人类交流的能力至关重要。但是，实现这一目标存在一些挑战。一个是语言可能含糊不清，即使在人类中也是如此 - 第二，与人类不同，机器人对周围环境的了解(例如物体和周围的人)是非常有限的。“

在他们的研究中，Amiri和他的同事开始着手解决许多现有对话系统的局限性，开发一个可以从其环境中学习并因此随着时间的推移完善其能力的系统。他们的总体目标是让机器人成功完成任务，例如交付包裹，同时获取有关其周围环境的新概念。

“在人机交流中，如果人类指的是一些未知物体，那么机器人通常很难理解它，”阿米里说。“为了解决这个问题，我们提出了一个对话系统的想法，该系统要求澄清问题(例如，我是否应该交付一个包裹?这是为Bob提供的吗?)一旦人为其分配任务。这些问题有助于机器人进入意识到必须学习新单词。“

Amiri及其同事开发的对话系统有四个主要部分：语言理解部分，对话管理者，知识管理者和语言生成工具。语言理解组件将人类所说的句子解析为正式表示，然后将它们提供给机器人。当对话系统应用于递送任务时，例如研究人员在他们的实验中关注的那个，语言理解组件允许系统识别人类用户提到的项目或与包裹的接收者有关的信息。

另一方面，对话管理器组件决定机器人如果没有完全掌握指令或句子，应该向人类用户询问什么问题。基于用户对这些问题的回答，机器人更新其关于用户所指的概念的含义的确定性程度。

随后，对话系统的知识管理器组件确定机器人是否需要学习新概念。例如，如果机器人已经知道用户描述的所有关键概念，那么它就没有必要学习额外的或不必要的单词。

最后，语言生成组件允许机器人产生响应并直接回答用户。在他们的研究中，Amiri和他的同事决定尽可能简化这个组件，因此使用了一系列简单明确的预定义文本。

Amiri及其同事开发的对话系统概述。

研究人员在涉及人类参与者的模拟和实验中评估了他们的系统，这些参与者是通过Amazon Mechanical Turk和其他平台招募的。他们的研究结果非常有希望，他们的系统在效率和准确性方面都优于人机交互中的其他对话代理。在他们的测试中，系统很好地理解了用户查询，同时还不断更新其知识和语言功能。

“在我们的研究过程中，我们要求一些人类参与者使用我们的机器人，机器人能够通过与用户的对话来增强其知识，”Amiri说。“一个能够知道何时自己学习新知识的机器人是一项伟大的成就。这意味着你基本上可以拥有一个通过与人类的互动和对话逐步学习新概念的机器人。”

将来，Amiri及其同事开发的对话系统可用于增强现有机器人和新机器人的互动能力。同时，研究人员计划继续研究他们的系统，以进一步提高其性能，功效和适用性。

“尽管我们在这项研究中实现了目标，但仍然有很长的路要走，让机器人像人一样自然，”Amiri说。“我现在想要改进我们的对话系统，以便机器人能说话次数较少，否则人类会感到沮丧并失去对机器人的信任。此外，如果人类在通信中使用休闲语言，机器人目前可能有难以理解他/她的要求，这是我想要做的其他事情。“

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！