未来，将自然语言融入模仿学习可以减少自主机器人所需的编程，实现人与机器人之间的自然交互。
作者 | Mariano Phielipp
编译 | 王玥
编辑 | 陈彩娴
用人类日常交流所说的自然语言指令去命令机械臂执行任务是一个很大的挑战。一个来自亚利桑那州立大学、英特尔人工智能实验室和俄勒冈州立大学的研究团队在操纵任务中将语言作为模仿学习（Imitation Learning）的灵活目标，为人类专家和机器人提供了沟通的桥梁。在训练过程中，模型学会了相互联系和捕捉语言、视觉和运动控制之间的相关性，从而产生以语言为条件的控制策略。然后这些策略为人类用户提供了一个简单直观的，可以发出非结构化命令的界面。
在未来，将非结构化的自然语言融入到模仿学习中可以减少自主机器人对编程的需求，实现人与机器人之间的自然交互。这项创新可能会让自动化机器人在医疗保健、零售、制造和食品等行业的使用更上一层楼。消除机器人对特定句子结构、完美的语法或特定领域语言的需要后，人类就可以更容易地指导机器人执行任务，如从零售仓库挑选和包装货物，或命令机器人手臂在餐馆准备饭菜。在医疗保健领域，人类还可以使用语音指令来驱动自动轮椅，药店也可以使用机器人手臂来包装药物。
1模仿学习与沟通渠道该研究团队与亚利桑那州立大学的研究人员Simon Stepputtis、Joseph Campbell、Chitta Baral和Heni Ben Amor以及俄勒冈州立大学的研究人员Stefan Lee合作，在2020年NeurIPS大会的重点展示会上发表了论文《机器人操作任务中以语言为条件的模仿学习（Language-Conditioned Imitation Learning for Robot Manipulation Tasks）》。
图注：论文《机器人操作任务中以语言为条件的模仿学习》
论文