普林斯顿研究生团队在机器人 智能系统竞赛中取得进步

普林斯顿大学的两支研究生队伍在今年的全国机器人竞赛中表现出色。这些团队正在将计算的进步与传感技术的进步结合起来。

本月晚些时候，其中一组将与麻省理工学院的队友一起参加在日本名古屋举行的第三届年度亚马逊机器人挑战赛。该挑战要求团队开发一种机器人，该机器人可以识别以前从未见过的各种物体，捡起它们并将它们装在一个盒子里。该团队在去年的挑战赛中获得第三名。普林斯顿的第二支团队是亚马逊正在进行的AlexaPrize竞赛的决赛选手，该竞赛要求团队开发能够与人自然对话的软件。

Alexa团队正在探索理解和使用语言的方法，而RoboticsChallenge团队正在突破计算机视觉和图像处理的界限。

“我很高兴看到普林斯顿团队在机器人竞赛中处于领先地位，”GordonYSWu工程学教授兼计算机科学系主任JenniferRexford说。“机器人技术从工厂等受控环境向复杂的人类世界的转变为服务社会带来了巨大的机会，同时也带来了艰巨的技术挑战。普林斯顿正在通过将传感和计算的进步结合在一起来应对这些挑战，以使未来的机器人能够了解周围的世界并在人类社会中安全地互动。”

工程研究生工作

普林斯顿大学的研究生正在开发一种软​​件系统，可以就各种话题与人类进行互动交流。团队成员(左起)NiranjaniPrasad、AriSeff、KaranSingh和DanielSuo在计算机科学大楼从事该项目。

在他们实验室最近的一次演示中，ShuranSong和AndyZeng举起一个黑色金属网状小篮子来展示创造准确的机器人视觉所面临的挑战。这是一个日常用品，用来在桌子上放铅笔的那种东西。”曾氏一边缓缓转动着这只手上的小筐，一边说道：“看起来不像，但这其实是一件比较难处理的事情。

“这是因为黑色的反光表面让3-D传感器很难看到，”Zeng解释道。“这样的表面经常出现在我们的日常环境中，但在最近的计算机视觉研究中较少涉及。通过使用具有像这样的特殊属性的各种对象，竞争迫使我们解决现实世界场景中具有挑战性的视觉问题。”

在该团队去年制作的一段视频中，观众可以看到一个涂有普林斯顿橙色的机器人看着一个红色容器，使用机械臂上的传感器识别物体。确定是咖啡罐后，机器人用起重机吊入箱子，用大功率吸盘吸起罐子，然后抬起手臂将咖啡罐放在架子上。

普林斯顿大学的团队由计算机科学专业的研究生Zeng和Song领导，他们的指导老师是ThomasFunkhouser，DavidM.Siegel计算机科学教授。当普林斯顿大学的学生致力于构建识别物体的算法时，他们来自麻省理工学院的队友正在研究“操纵”，即使用机械臂和手来抓住和移动物体。

这将是该团队第二年参加这项挑战，这项挑战最初被称为亚马逊采摘挑战。学生们说，尽管他们去年构建的算法是准确的，但领先他们完成的两个团队构建了一个工作速度更快的机器人。“我们最大的弱点是速度，”宋说。

他们正在努力通过安装更多摄像头来补充机械臂上的摄像头来解决这个问题。有了这一变化，以及改进的算法，希望“我们可以获得与去年表现良好的团队类似的加速，”曾说。

去年，该团队提前获得了一份物体清单，机器人可能需要识别、抓取和移动这些物体。但今年，挑战更加艰巨：参与者只能提前半小时获得该信息。学生们说，这要求他们创建一种更通用的算法。

Zeng说：“我们必须调整我们的算法，使其具有足够的通用性，以便它仍然能够识别这些新物体”，而且时间更短。

更好的声音

从小，CyrilZhang就梦想着用机器模拟意识。尽管科学家们仍在争论是否有可能创造出真正有意识的机器，但目前计算机科学博士生正在研究“也许是你能得到的最接近的东西”。

从10月初开始，张和其他12名计算机科学研究生开始研究一个软件系统，该系统旨在与人类就各种热门话题进行连贯和互动的交流。这项工作是亚马逊AlexaPrize竞赛的一部分，该竞赛要求国际大学生团队开发能够使用亚马逊语音服务Alexa作为起点进行此类对话至少20分钟的软件。获胜团队将获得500,000美元的奖金以及他们所在部门的100万美元研究补助金。

11月，亚马逊通知普林斯顿团队，它是被选中赞助参加比赛的12个大学团体之一，并带来了10万美元的津贴。从那时起，团队成员每周四都会与他们的指导老师SanjeevArora会面，SanjeevArora是CharlesC.Fitzmorris计算机科学教授，以协调他们各自的任务。

模拟人类行为的软件被称为社交机器人。团队成员DanielSuo表示，普林斯顿团队选择将其社交机器人命名为“Pixie”，这是他们可以设计出的“Princeton”和“Alexa”的最简洁组合。

该团队的前身是每周一次的研究生阅读小组，主题是深度学习。张将团队描述为“局外人”，因为大多数学生并不专门从事自然语言处理研究，而是在机器学习理论、深度学习、计算机视觉、机器人或分布式系统等其他领域有经验。

“我们的优势和劣势是我们来自不同的研究背景，”张说。“这意味着我很乐观，我们可以想出一些在自然语言处理领域工作了很长时间的人可能从未想过的事情。但与此同时，我们肯定会花费大量精力来适应该领域的研究人员已经完全熟悉的技术。”

长期以来，模拟人类对话一直是软件设计中的一个挑战。人类以模棱两可的术语进行交流，正确解释单词和句子取决于上下文、常识和对世界的一些理解。由于计算机缺乏此类先验知识并依赖于精确性，因此对计算机进行编程以理解歧义是极其困难的。

“对于任何特定的输入，机器人必须确定——用户是否试图谈论一个特定的话题?它只是一般的闲聊吗?可能需要哪些来源来产生合适的响应?”团队成员AriSeff说。

该团队还面临着更广泛的挑战，即设计一种连贯的个性，既能取悦用户，又能使对话自然流畅。

“亚马逊竞赛挑战我们从社会角度思考对话，”Suo说。“与只会说没完没了的单行代码或只回答基于事实的问题的机器人交谈会变得无聊。但是，表明某人有多感兴趣或有多无聊的语言线索又如何呢?我们能否将对话引导到一个新的领域，而不仅仅是对用户做出反应?”

团队成员对该项目的协作性质以及从中产生新的颠覆性想法的可能性表示兴奋。

“这对我们来说是一个共同建设的机会，但也可以相互学习，”索说。

4月，参赛团队根据对话的相关性、连贯性、兴趣和速度，从现实生活中的AmazonEcho用户那里收到了关于社交机器人成功的反馈。最终获奖者将于11月公布。

“我们赢或不赢都不是重点，”团队成员DavitBuniatyan说。“事实是这项研究正在推进机器学习的未来。”