A ampla adopción de robots domésticos máis aló do Roomba viuse obstaculizada por unha serie de factores, incluíndo o custo, a practicidade, o deseño e o desafío de mapear ambientes. Aínda que estes problemas se solucionen parcialmente, aínda se producen fallos, o que se agrava pola dificultade para corrixir os erros que cometen estes sistemas. Aínda que as grandes organizacións teñen a capacidade de xestionar tales problemas, non é realista esperar que os consumidores paguen a profesionais por depurar ou que se convertan en programadores. Pero como mostra unha investigación recente do MIT, os grandes modelos de linguaxe (LLM) ofrecen un posible enfoque.
Un próximo papel na Conferencia Internacional sobre Representacións de Aprendizaxe (ICLR) busca integrar robots cun grao de "sentido común" para que poidan facer correccións de forma autónoma. Segundo esta investigación, os robots poden replicar o comportamento humano, pero a non ser que estean debidamente adestrados para manexar todos os posibles impedimentos, teñen dificultades para adaptarse a cambios imprevistos e con frecuencia reinician as súas tarefas desde o principio.
O estudo chama a atención sobre os inconvenientes da aprendizaxe por imitación nos robots, especialmente en situacións domésticas dinámicas nas que incluso pequenos cambios poden facer que un sistema se reinicie. Ao dividir as actividades en compoñentes máis pequenos, o estudo do MIT suxire un método revolucionario que facilita as correccións e elimina a necesidade de que os programadores interveñan manualmente. Isto é posible grazas aos LLM, que superan a brecha entre as demostracións humanas e a comprensión robótica dando instrucións paso a paso nunha linguaxe común. Isto permite aos robots recoñecer a súa fase de tarefa e facer os axustes necesarios por si mesmos.
Usando un robot que foi adestrado para coller e verter canicas, a investigación ilustrou esta idea e mostrou como os LLM permiten que o robot se corrixa despois de ser interrompido a propósito. Este enfoque proporciona unha resolución eficaz a un problema persistente en robótica ao reducir en gran medida o requisito de programación ou intervención humana durante os fallos.
Mellora de habilidades sen interromper a túa carreira! Únete ao campamento de iniciación de Data Science and AI en liña a tempo parcial de Code Labs Academy e adquire habilidades prácticas en codificación e análise de datos. Aprenda de expertos do sector, constrúe proxectos reais e prepárese para unha carreira baseada en datos, todo no seu horario!