Negenduizend tweehonderd onderzoekers op het gebied van kunstmatige intelligentie. Vijfduizend honderdvijfenzestig onderzoekspapers ingediend, waarvan slechts 1 300 werden aangenomen. Een beste studentenkrant.

En de prijs ging naar:UC Santa Barbara, informatica-promovendus Xin Wang. Zijn studentenkrant, "Versterkte cross-modale matching en zelf-gecontroleerd imitatieleren voor visie-taalnavigatie, " kwam naar voren als nummer 1 in zijn categorie op de 31e IEEE / CVF-conferentie over computervisie en patroonherkenning (CVPR), een van de belangrijkste conferenties op het gebied van informatica van vandaag. De prijsuitreiking vond plaats in Long Beach, op dinsdag, 18 juni.

"Xin begon in 2017 met mij te werken als promovendus op onderwerpen gerelateerd aan taal- en visieonderzoek, " zei William Wang, assistent-professor bij de afdeling Computerwetenschappen aan het UCSB's College of Engineering. "Sinds maart 2018 we hebben het zicht-taal-navigatieprobleem bestudeerd:hoe gebruik je verbale instructies om robots te leren bestemmingen te targeten, zonder toegang tot een kaart?"

Een robot die kan navigeren op basis van visie en taken kan uitvoeren onder instructies in gewone taal klinkt als sciencefiction, maar het is dichter bij de realiteit dan je zou denken.

"Ik werk al een tijdje op het snijvlak van visie en taal, "Xin Wang zei:"en ik geloof dat een van de grote bewegingen van AI is om robots te laten interageren met de visuele en fysieke wereld, vooral via natuurlijke taal.

"Vision-taalnavigatie kan veel praktische toepassingen mogelijk maken, bijvoorbeeld, robots in huis, " ging hij verder. "Iedereen, vooral gehandicapten, kan de robot vragen om bepaalde taken uit te voeren, bijvoorbeeld 'Ga naar de keuken en breng een kopje water naar me toe.' Visie-taalnavigatie dient als een basistaak om zowel visuele scènes als natuurlijke taalinstructies te begrijpen, evenals fysieke acties uitvoeren om banen op hoog niveau te vervullen."

Maar wat zo natuurlijk is voor mensen - navigeren door een scène en taken uitvoeren met behulp van realtime omgevingssignalen en menselijke concepten - vereist een flexibele, maar elegant kader waarin robots kunnen leren om de gegevens die ze oppikken te verbinden met de betekenis van de instructies die ze krijgen. Het is een iteratief proces, versterking nodig hebben, feedback en aanpassing. het werk van Xin Wang, volgens zijn adviseur "Introduceert verschillende innovatieve ideeën om de veralgemening van het vision-taal-navigatie-algoritme te verbeteren."

"Deze doorbraak in taal- en visieonderzoek stelt robots in staat om mensen beter te helpen bij veel dagelijkse en speciale routines, inclusief schoonmaak en onderhoud van het huis, item zoeken en ophalen, afstandsbediening, blinden helpen, rampenbestrijding, enzovoort, William Wang zei. "Het heeft het potentieel om miljoenen mensen te beïnvloeden en de levenskwaliteit van mensen te verbeteren, inclusief het bevrijden van mensen van vervelende huishoudelijke taken, zodat we tijd kunnen maken voor creatieve activiteiten."

Het onderzoek voor de CVPR Best Student Paper 2019, die voortbouwt op eerdere samenwerkingen bij UCSB op het gebied van modelgebaseerd en modelvrij versterkend leren met Ph.D. student Wenhan Xiong, is in de zomer van 2018 uitgevoerd tijdens een stage bij Microsoft Research (MSR), onder mentoren Qiuyuan Huang, Asli Celikyilmaz, Jianfeng Gao en Lei Zhang.

Volgens de CVPR Best Paper commissie, "Visuele navigatie is een belangrijk gebied van computervisie - dit document boekt vooruitgang in navigatie in vision-taal. Voortbouwend op eerder werk op dit gebied, dit artikel demonstreert opwindende resultaten op basis van zelf-imitatie leren in een cross-modale setting."

"We willen Xin Wang en William Wang feliciteren met deze uiterst prestigieuze erkenning voor hun werk in een gebied dat aan de top van de computerwetenschap staat, " zei College of Engineering Dean Rod Alferness. "We zijn verheugd dat ze deel uitmaken van de UCSB-gemeenschap."

"Ik ben zeer vereerd met deze prijs, " zei Xin Wang. "Ik wil mijn adviseurs William en Yuan-Fang oprecht bedanken, en de MSR-medewerkers voor hun krachtige steun en waardevolle begeleiding. Wat de toekomst betreft, Ik hoop dat steeds meer onderzoekers kunnen werken aan deze spannende en noodzakelijke onderzoeksrichting, naar meer praktische en interactieve robots die visie en taal voor mensen overbruggen. Ik zal me er zeker voor inzetten om het voor elkaar te krijgen."