亚马逊提出了一种家用机器人，当机器人感到困惑时会问您问题

 
AI模型总是会遇到模棱两可的情况，他们很难仅凭指令做出响应。对于负责例如在公寓中导航的自治特工来说，这是个问题，因为当他们遇到多条路径时，他们就有被卡住的风险。
为了解决这个问题，亚马逊Alexa AI部门的研究人员开发了一个框架，使代理商能够在某些情况下寻求帮助。代理商使用所谓的基于模型混淆的方法，根据预先定义的置信度阈值所确定的混淆程度来询问问题，研究人员声称，该阈值可将代理商的成功率提高至少15%。
该团队在预印本中写道：“考虑到您希望机器人助手将钱包放到床上的情况……场景中有两扇门，并且一条指令只告诉它要走过门口。” “在这种情况下，机器人显然很难准确知道要从哪个门进入。但是，如果机器人能够与用户讨论情况，则可以解决情况的歧义。”
该团队的框架采用了两种代理模型：模型混淆(Model Confusion)，它模仿人类用户在混乱状态下的行为;动作空间增强(Action Space Augmentation)，一种更复杂的算法，可以自动学习在导航过程中的正确时间仅询问必要的问题。人机交互数据用于进一步微调第二个模型，以使其熟悉环境。
亚马逊机器人导航
每当代理人(在本研究中是在模拟房屋中导航的机器人)在导航过程中迷路时，它会向用户发出“我迷路，请帮助我!”信号并寻求帮助。当用户提供对机器人后续问题的答案时，“动作空间增强”功能会纠正原始错误的轨迹，并使用反馈来防止将来发生同类错误。研究小组报告说，该机器人会动态调整以适应不清楚和错误的人类反应。
研究人员汇编了一个数据集，其中包含21,567条导航指令(其中14025条用于训练; 1,020条用于在可见环境中进行验证; 2,349条在未见环境中进行验证)，其中的指令词汇由大约3,100个单词组成。他们对机器人的成功率和所采取的步骤数进行了评估，其中“成功”构成了小于3米的导航误差。
该团队表示，他们提出的策略比以前提出的涉及机器人自行探索环境的预先探索技术“实质上”具有更高的数据效率。他们写道：“我们是第一个在基于指令的导航任务中引入人机交互的人。” “ [这种]数据增强方法……在持续学习的情况下非常有用，因为[代理]可以在客户的家中不断提高其性能。”
这项工作可能会为亚马逊长期以来传闻中的家用机器人提供信息，彭博社在去年的一份报告中将其描述为类似于Echo Show的机器人，尽管它带有轮子。代号为Vesta的是罗马的炉灶女神，据说包装了远场麦克风和扬声器，使它们能够理解和响应Alexa识别的数千种命令，并能够使用计算机视觉和技术(例如，同时定位和映射。