两个Bot自创新语言！Facebook机器人纽约自由行导航定位碾压人类

2018 年 7 月 12 日 新智元

新智元报道

来源：TechCrunch，Arxiv

作者：文强

【新智元导读】在FAIR和蒙特利尔大学合作的最新研究中，研究人员首次将实验中将感知、行动和使用自然语言交互达成目标这三个任务结合在一起：让两个Bot使用自然语言对话，让“导游bot”将“游客bot”带到指定地点，而且导航成功率超越了人类。

Facebook让两个Bot自己游纽约，“导游Bot”在模拟的纽约市中导航定位，使用自然语言跟“游客Bot”交流，成功率超过了88%！

这已经显著超越某些“路痴”人类，而且，两个Bot还是使用自然语言在交流。

两个Bot使用自然语言交流导航定位

在今天最新上传到arxiv的一篇研究论文中，Facebook人工智能实验室（FAIR）与蒙特利尔大学合作，研究人工智能系统如何定位，并比人类更好地传达观测数据。

研究人员把他们的实验成为“Talk the Walk”。在实验中，他们将游客Bot随机放到纽约市的一个街角，再让一个导游Bot将前者引导到2D地图上的某个位置。导游Bot知道地图，也知道目标地点，但是不知道游客Bot在哪里；游客Bot拥有360°视角，但不知道地图，也不清楚目标地点。

游客和导游必须相互沟通，交流彼此所知道的信息，才能实现目标。

想象一下两个Bot的对话：

导游：你好，你在附近吗？

游客：你好，在我面前是“布鲁克斯兄弟”。

导游：这是家商店还是餐馆？

游客：这是一家服装店。

导游：你往地图西北角的十字路口走。

游客：我身后似乎有一家银行。

导游：好的，左转然后沿着那条路直行。

...

研究人员表示，Talk the Walk是首个将所有三个要素结合在一起的任务：感知（游客Bot观察世）、行为（游客Bot在环境中导航），以及语言交互达成目标（导游Bot为游客Bot提供引导帮助其实现目标）。

首次将感知、行动和使用自然语言交流达成目标结合在一起

实验中使用的街景地图数据，是MTurk众包手动收集的几个纽约市街区的360°视图。这些街景环境被整合到ParlAI中，这是Facebook的一个用于训练AI的框架，支持很多任务，包含的数据集包括SQuAD, bAbI tasks, MS MARCO, MCTest, WikiQA, WebQuestions等等。

实验中使用的自然语言数据，也是MTurk的真人对话，用几周时间收集，包含10k成功的导航对话。平均来说，人类需要超过62次行动（对话和走路）才能顺利到达目标地点。大部分行动发生在游客这边，平均每次对话44次行动。人类导游大约说了9次话（稍微比游客的8次话多一点点）。

虽然研究人员的目标是让Bot通过自然语言来处理收集到的信息，但他们发现，当Bot使用“合成语言”时，完成任务的效果更好，因为后者更依赖于使用更简单的符号来传达信息和位置。这种不那么自然的数据通信方式不仅优于人类的聊天，还能让Bot比人在自然语言聊天中更简单快读地找到自己的道路。