Pagpapahusay ng Mga Robot sa Bahay sa pamamagitan ng Common Sense: Ang Pambihirang tagumpay ng MIT sa Autonomous Error Correction
Nai -update sa November 19, 2024 3 minuto basahin
Ang malawak na paggamit ng mga robot sa bahay sa kabila ng Roomba ay nahadlangan ng maraming salik, kabilang ang gastos, pagiging praktikal, disenyo, at hamon sa pagmamapa ng mga kapaligiran. Kahit na bahagyang nalutas ang mga problemang ito, nangyayari pa rin ang mga pagkabigo, na pinalala ng kahirapan sa pagwawasto ng mga pagkakamaling ginagawa ng mga system na ito. Bagama’t may kapasidad ang mga malalaking organisasyon na pangasiwaan ang mga naturang isyu, hindi makatotohanang asahan ang mga mamimili na magbabayad ng mga propesyonal para sa pag-debug o maging mga programmer. Ngunit tulad ng ipinapakita ng kamakailang pananaliksik mula sa MIT, ang Large Language Models (LLMs) ay nag-aalok ng posibleng diskarte.
Ang isang paparating na papel sa International Conference on Learning Representations (ICLR) ay naglalayong isama ang mga robot na may antas ng “common sense” para makapagsagawa sila ng mga pagwawasto nang awtonomiya. Ayon sa pananaliksik na ito, maaaring kopyahin ng mga robot ang pag-uugali ng tao, ngunit maliban kung sila ay wastong sinanay upang mahawakan ang bawat posibleng hadlang, nahihirapan silang mag-adjust sa mga hindi inaasahang pagbabago at madalas na muling simulan ang kanilang mga gawain mula sa simula.
Binibigyang-pansin ng pag-aaral ang mga kakulangan ng pag-aaral ng imitasyon sa mga robot, lalo na sa mga dynamic na sitwasyon sa tahanan kung saan kahit na ang maliliit na pagbabago ay maaaring magdulot ng pag-reset ng system. Sa pamamagitan ng paghahati-hati ng mga aktibidad sa mas maliliit na bahagi, ang pag-aaral ng MIT ay nagmumungkahi ng isang rebolusyonaryong pamamaraan na ginagawang mas madali ang mga pagwawasto at inaalis ang pangangailangan para sa mga programmer na manu-manong mamagitan. Ito ay ginawang posible ng mga LLM, na nagtulay sa pagitan ng mga demonstrasyon ng tao at robotic na pag-unawa sa pamamagitan ng pagbibigay ng sunud-sunod na mga tagubilin sa karaniwang wika. Nagbibigay-daan ito sa mga robot na makilala ang kanilang yugto ng gawain at gumawa ng mga kinakailangang pagsasaayos nang mag-isa.
Gamit ang isang robot na sinanay na mag-scoop at magbuhos ng mga marbles, inilarawan ng pananaliksik ang ideyang ito at ipinakita kung paano pinapayagan ng mga LLM ang robot na itama ang sarili pagkatapos na sinasadyang maantala. Ang diskarte na ito ay nagbibigay ng isang epektibong paglutas sa isang paulit-ulit na problema sa robotics sa pamamagitan ng lubos na pagbawas sa kinakailangan para sa programming ng tao o interbensyon sa panahon ng mga pagkabigo.
Upskill Nang Hindi Nakakaabala sa Iyong Karera! Sumali sa Code Labs Academy online part-time Data Science and AI bootcamp at makakuha ng mga praktikal na kasanayan sa coding at pagsusuri ng data. Matuto mula sa mga eksperto sa industriya, bumuo ng mga tunay na proyekto, at maghanda para sa isang karerang batay sa data—lahat sa iyong iskedyul!