Sentence Similarity 🤖 的强大功能

在深入制作演示之前，我们必须理解句子相似度及其工作原理。

这个游戏是如何运作的？

在这个游戏中，我们希望给予玩家更多的自由：不再仅仅通过点击按钮向机器人发出指令，我们希望他们通过文本与机器人互动。

机器人有一个动作列表，并使用句子相似度模型来选择最接近的动作（如果有），根据玩家的指令。

例如，如果我写“Hey, grab me the red box”，机器人并不知道“Hey, grab me the red box”是什么意思。但是句子相似度模型将此指令与我们为机器人编程的“bring red box”动作联系起来。

因此， благодаря этой технологии, 我们可以构建可信的角色 AI，而无需手动映射每个可能的玩家输入交互到机器人响应的繁琐过程。我们让句子相似度模型为我们完成这项工作！

句子相似度是一项任务，给定一个源句子和一组目标句子，计算目标句子与源句子的相似程度。

例如，如果我们的源句子（玩家指令）是“Hey grab me the red box”，它与动作列表中的“Bring red box”句子非常接近。

句子相似度模型将输入文本（如“Hello”）转换为向量（称为嵌入），这些向量捕捉语义信息。我们将此步骤称为嵌入。然后，我们使用余弦相似度计算它们有多接近（相似）。

我不会深入细节，但本质是：由于我们的句子相似度模型生成向量，我们可以计算两个向量之间角度的余弦值。结果越接近 1，这两个向量就越相似。

如果您想更深入地了解句子相似度任务，请查看这里 👉 https://huggingface.co/tasks/sentence-similarity

现在我们理解了句子相似度，让我们看看整个流程：从玩家输入指令到机器人执行动作。

玩家输入指令：“Can you bring me the red cube?”（你能给我拿来红色立方体吗？）
机器人有一个动作列表 [“Hello”, “Happy”, “Bring red box”, “Move to blue pillar”]（[“你好”，“高兴”，“拿红盒子”，“移动到蓝色柱子”]）
我们接下来要做的是嵌入这个玩家输入文本，以便与机器人动作列表进行比较，找到最相似的动作（如果有）。
为了做到这一点，我们对输入进行分词：Transformer 模型不能将字符串作为输入。它需要被翻译成数字。这是使用 Sharp Transformers 提供的 Tokenizer 代码完成的。
然后，输入（分词后）被传递给模型，模型输出此文本的嵌入：一个捕捉文本语义信息的向量。这个推理部分由 Unity Sentis 完成。

如果相似度分数 > 0.2，我们要求机器人执行该动作。

否则，我们要求机器人执行“我很困惑”的动画。因为给出的指令与动作列表差异太大（例如，如果玩家写了一些完全不相关的东西，比如“你喜欢兔子吗？”）。

这是一个阈值：如果相似度分数低于它，我们认为玩家的指令与可能的机器人动作列表差异太大。

这是通过测试不同的阈值分数发现的。

更重要的是，这不是一个固定的阈值，因为所有可能的机器人动作的相似度分数总和为 1。如果您向机器人动作列表添加更多动作，则必须降低此阈值。

现在我们了解了整个流程，您可能想知道如何运行这个 AI 模型。 在玩家的机器上还是远程运行？以及两者之间的区别。这是下一节的主题。