如果有人叫你拿桌上的扳手，你卻發(fā)現(xiàn)桌上的扳手不只一支，這時候你可能會停下來問：“你是說哪一支扳手？”布朗大學(Brown University)研究團隊開發(fā)Rosen算法，正是想讓機器人具備同樣的能力。

　　據(jù)ScienceDaily報導，機器人不確定要拿什么物品時，Rosen算法會協(xié)助其進行確認，這項研究出自布朗大學教授Stefanie Tellex所領軍的Humans to Robots Lab，可望把機器人變成家中和職場的好幫手。

　　Tellex表示，拿東西是很重要的工作，協(xié)作型機器人經(jīng)常被交付這種任務，但機器人很容易犯錯，可能會誤解人類的需要，或者覺得指令不夠明確，所以研究團隊想幫助機器人在不確定的時候發(fā)問。

　　Tellex研究團隊先前開發(fā)出另一款算法，讓機器人模仿人與人之間的互動，從人類肢體語言獲得指令和信息，例如我們請別人拿東西時，通常會說話搭配動作，用手指著要拿取的物品，Tellex認為結合語音指令和肢體動作，機器人會更準確詮釋使用者的需求。

　　不過，該系統(tǒng)仍有進步空間，要是同一個地方有太多相似的東西，機器人又會不知所措，于是Tellex團隊想幫助機器人發(fā)問，以免拿錯物品。

　　有了新算法Rosen，機器人就懂得評估確定性，一旦覺得很有把握，就會直接拿取物品，但只要沒有把握，機器人就會找出最有可能的選項，手在物品上方盤旋，征求人類的許可。

　　布朗大學研究生David Whitney指出，雖然該系統(tǒng)只詢問簡單的問題，卻懂得依照答案做推論，大幅提升讓整套算法的運作校率。例如使用者要機器人拿扳手，桌上卻有2支扳手，如果機器人第一次問問題猜錯了，就會直接推論是另一支扳手，彷佛領會了言外之意。

　　為了測試新的算法，研究團隊征求未經(jīng)訓練的受測者，來實驗室跟機器人互動，在各種情境下要求機器人拿東西，包括機器人絕對不發(fā)問、機器人每次只發(fā)問一次、機器人只有不確定才發(fā)問。測試結果發(fā)現(xiàn)新算法懂得聰明發(fā)問，大幅提升準確度和效率，受測者也認為機器人變得更聰明。

　　該研究團隊采用很簡單的語言模型，頂多只聽得懂物品名稱，但受測者仍覺得機器人聽得懂介系詞詞組，例如左邊的、最靠近我的，他們還覺得機器人會追蹤用戶的視線。

　　未來Tellex研究團隊會結合更復雜的語言辨識系統(tǒng)，進一步提升系統(tǒng)準確度和效率，讓協(xié)作型機器人成為家里和職場的好幫手。