Die breite Einführung von Heimrobotern über den Roomba hinaus wurde durch eine Reihe von Faktoren behindert, darunter Kosten, Praktikabilität, Design und die Herausforderung, Umgebungen abzubilden. Selbst wenn diese Probleme teilweise gelöst werden, kommt es immer noch zu Ausfällen, was durch die Schwierigkeit, Fehler dieser Systeme zu korrigieren, noch schlimmer wird. Während große Unternehmen in der Lage sind, solche Probleme zu lösen, ist es unrealistisch, von den Verbrauchern zu erwarten, dass sie Profis für das Debuggen bezahlen oder Programmierer werden. Doch wie aktuelle Untersuchungen des MIT zeigen, bieten Large Language Models (LLMs) einen möglichen Ansatz.
Ein bevorstehender Aufsatz auf der International Conference on Learning Representations (ICLR) versucht, Roboter mit einem gewissen Maß an „gesundem Menschenverstand“ zu integrieren, damit sie autonom Korrekturen vornehmen können. Laut dieser Studie können Roboter menschliches Verhalten nachahmen, aber wenn sie nicht richtig darauf trainiert sind, mit allen möglichen Hindernissen umzugehen, haben sie Schwierigkeiten, sich an unvorhergesehene Veränderungen anzupassen, und beginnen ihre Aufgaben häufig von vorne.
Die Studie macht auf die Nachteile des Nachahmungslernens bei Robotern aufmerksam, insbesondere in dynamischen häuslichen Situationen, in denen bereits kleine Änderungen zu einem Systemneustart führen können. Durch die Aufteilung von Aktivitäten in kleinere Komponenten schlägt die MIT-Studie eine revolutionäre Methode vor, die Korrekturen erleichtert und den manuellen Eingriff von Programmierern überflüssig macht. Möglich wird dies durch LLMs, die die Lücke zwischen menschlichen Demonstrationen und robotischem Verständnis schließen, indem sie Schritt-für-Schritt-Anleitungen in allgemeiner Sprache geben. Dadurch können Roboter ihre Aufgabenphase erkennen und notwendige Anpassungen selbstständig vornehmen.
Mithilfe eines Roboters, der darauf trainiert wurde, Murmeln zu schöpfen und zu gießen, veranschaulichte die Forschung diese Idee und zeigte, wie LLMs es dem Roboter ermöglichen, sich selbst zu korrigieren, nachdem er absichtlich unterbrochen wurde. Dieser Ansatz bietet eine wirksame Lösung für ein anhaltendes Problem in der Robotik, indem er den Bedarf an menschlicher Programmierung oder Intervention bei Fehlern erheblich reduziert.
Weiterbildung ohne Unterbrechung Ihrer Karriere! Nehmen Sie am Online-Teilzeit-Data Science and AI Bootcamp von Code Labs Academy teil und erwerben Sie praktische Fähigkeiten in Codierung und Datenanalyse. Lernen Sie von Branchenexperten, bauen Sie echte Projekte auf und bereiten Sie sich auf eine datengesteuerte Karriere vor – alles nach Ihrem Zeitplan!