Den brede anvendelse af hjemmerobotter ud over Roomba er blevet hindret af en række faktorer, herunder omkostninger, praktiske, design og udfordringen med at kortlægge miljøer. Selvom disse problemer er delvist løst, opstår der stadig fejl, hvilket forværres af vanskeligheden ved at rette fejl, som disse systemer laver. Mens store organisationer har kapacitet til at håndtere sådanne problemer, er det urealistisk at forvente, at forbrugerne betaler fagfolk for fejlfinding eller bliver programmører. Men som nyere forskning fra MIT viser, tilbyder store sprogmodeller (LLM'er) en mulig tilgang.
En kommende paper på den internationale konference om læringsrepræsentationer (ICLR) søger at integrere robotter med en vis grad af "sund fornuft", så de kan foretage korrektioner selvstændigt. Ifølge denne forskning kan robotter replikere menneskelig adfærd, men medmindre de er ordentligt trænet til at håndtere enhver mulig hindring, har de svært ved at tilpasse sig uforudsete ændringer og genstarter ofte deres opgaver fra begyndelsen.
Undersøgelsen gør opmærksom på ulemperne ved imitationslæring i robotter, især i dynamiske hjemmesituationer, hvor selv små ændringer kan få et system til at nulstille. Ved at opdele aktiviteter i mindre komponenter, foreslår MIT-undersøgelsen en revolutionerende metode, der gør rettelser lettere og eliminerer behovet for, at programmører manuelt griber ind. Dette er gjort muligt af LLM'er, som bygger bro mellem menneskelige demonstrationer og robotforståelse ved at give trin-for-trin instruktioner på almindeligt sprog. Dette giver robotter mulighed for at genkende deres opgavestadie og foretage de nødvendige justeringer på egen hånd.
Ved at bruge en robot, der var trænet til at øse og hælde kugler, illustrerede forskningen denne idé og viste, hvordan LLM'er tillader robotten at korrigere sig selv efter at være blevet bevidst afbrudt. Denne tilgang giver en effektiv løsning på et vedvarende problem inden for robotteknologi ved i høj grad at reducere behovet for menneskelig programmering eller indgriben under fejl.
Opkvalificering uden at afbryde din karriere! Deltag i Code Labs Academys online deltids Data Science and AI bootcamp og få praktiske færdigheder i kodning og dataanalyse. Lær af brancheeksperter, byg rigtige projekter, og forbered dig på en datadrevet karriere – alt efter din tidsplan!