如果有人叫你拿桌上的扳手，你却发现桌上的扳手不只一支，这时候你可能会停下来问：“你是说哪一支扳手？”布朗大学(Brown University)研究团队开发Rosen算法，正是想让机器人具备同样的能力。

　　据ScienceDaily报导，机器人不确定要拿什么物品时，Rosen算法会协助其进行确认，这项研究出自布朗大学教授Stefanie Tellex所领军的Humans to Robots Lab，可望把机器人变成家中和职场的好帮手。

　　Tellex表示，拿东西是很重要的工作，协作型机器人经常被交付这种任务，但机器人很容易犯错，可能会误解人类的需要，或者觉得指令不够明确，所以研究团队想帮助机器人在不确定的时候发问。

　　Tellex研究团队先前开发出另一款算法，让机器人模仿人与人之间的互动，从人类肢体语言获得指令和信息，例如我们请别人拿东西时，通常会说话搭配动作，用手指着要拿取的物品，Tellex认为结合语音指令和肢体动作，机器人会更准确诠释使用者的需求。

　　不过，该系统仍有进步空间，要是同一个地方有太多相似的东西，机器人又会不知所措，于是Tellex团队想帮助机器人发问，以免拿错物品。

　　有了新算法Rosen，机器人就懂得评估确定性，一旦觉得很有把握，就会直接拿取物品，但只要没有把握，机器人就会找出最有可能的选项，手在物品上方盘旋，征求人类的许可。

　　布朗大学研究生David Whitney指出，虽然该系统只询问简单的问题，却懂得依照答案做推论，大幅提升让整套算法的运作校率。例如使用者要机器人拿扳手，桌上却有2支扳手，如果机器人第一次问问题猜错了，就会直接推论是另一支扳手，彷佛领会了言外之意。

　　为了测试新的算法，研究团队征求未经训练的受测者，来实验室跟机器人互动，在各种情境下要求机器人拿东西，包括机器人绝对不发问、机器人每次只发问一次、机器人只有不确定才发问。测试结果发现新算法懂得聪明发问，大幅提升准确度和效率，受测者也认为机器人变得更聪明。

　　该研究团队采用很简单的语言模型，顶多只听得懂物品名称，但受测者仍觉得机器人听得懂介系词词组，例如左边的、最靠近我的，他们还觉得机器人会追踪用户的视线。

　　未来Tellex研究团队会结合更复杂的语言辨识系统，进一步提升系统准确度和效率，让协作型机器人成为家里和职场的好帮手。