计算语言学（十二）

10.9启用语言的机器人

如第10节开始，机器人开始配备Web服务，问题应答能力，聊天技术（用于倒退和娱乐），辅导功能等。 这种技术转移到机器人的转移已经缓慢，主要是因为只需将机器人装备了具有基本视觉感知，语音识别，探索性和目标定向导航所需的硬件和软件的机器人，并且在移动机器人的情况下“和对象中所涉及的非常困难的挑战操纵。 然而，对智能机器人的敏锐公众兴趣及其巨大的经济潜力（适用于家庭帮助，老人，医学，教育，娱乐，农业，行业，搜索和救援，军事任务，太空探索等）将肯定会继续激励朝向更大的驱动器机器人智力和语言能力。

可以获得良好的现有技术和人机对话中的困难（Scheutz等人2011）。 有关框和块的一些对话示例是让人想起WinoGrad的Shrdlu，但它们也表现出实际互动所涉及的挑战，例如改变风景，因为机器人移动，语音识别错误，无与伦特和复杂的多条条话语，透视依赖的话语（“是蓝盒左侧的红色框？”），而Deixis（“下来”）。 此外，所有这些必须与计划的物理措施集成，以满足机器人理解的说明。 虽然最近的机器人在某种程度上处理这些困难的能力是令人鼓舞的，但许多打开问题仍然存在，例如语音识别存在的问题，如噪音的存在，更好，更广泛的语言覆盖，解析和对话处理，适应新的问题，精神建模对话者和其他人类在环境中，以及对世界的更大的一般知识以及将其用于推断和规划的能力（在域级和对话级别）。

虽然面向任务的机器人对话涉及所有这些挑战，但我们应该注意到与“谈话”机器人的一些潜在有用的互动需要妨碍语言技能的方式。 例如，（Movellan等人，2009）中描述的Rubi机器人，将其屏幕上的“胸部”的对象显示为幼儿，要求他们触摸并命名对象。 尽管互动的简单性，但这导致幼儿改进了幼儿的词学习。 一个非常成功的谈话机器人的另一个例子，没有真正的语言技能是“博物馆导游”犀牛（Burgard等，1999）。 与Rubi不同，它能够在不可预测的人类移动中导航，并将其受众与其预先记录的消息进行，并在屏幕上显示其当前目标。 以同样的方式，在过去的过去和现在的发展中，许多人形机器人（例如，本田的ASIMO）仍然了解非常小的语言，主要是脚本输出。 毫无疑问，由于上面提到的技术，友好的代理系统，语音的应用，导师等等，他们的效用和上诉将继续增长，相应的技术，友好的应用程序，导师等; 这些发展也将燃料在深刻的看法，运动，操纵和有意义的对话方面取得进展。