Az otthoni robotok széles körű elterjedését a Roombán túl számos tényező hátráltatta, többek között a költségek, a praktikum, a dizájn és a feltérképezési környezet kihívása. Még akkor is, ha ezeket a problémákat részben megoldják, hibák továbbra is előfordulnak, amit tovább ront a rendszerek által elkövetett hibák kijavításának nehézségei. Míg a nagyobb szervezetek képesek kezelni az ilyen problémákat, irreális elvárás a fogyasztóktól, hogy fizessenek a szakembereknek a hibakeresésért vagy programozókká váljanak. De amint azt az MIT legújabb kutatása mutatja, a Large Language Models (LLM) egy lehetséges megközelítést kínál.
A Tanulási Képviseletek Nemzetközi Konferenciáján (ICLR) készülő beszámoló a robotok bizonyos fokú „józan ésszel” való integrálására törekszik, hogy autonóm módon végezhessenek javításokat. A kutatás szerint a robotok képesek megismételni az emberi viselkedést, de hacsak nincsenek megfelelően kiképezve minden lehetséges akadály kezelésére, nehezen tudnak alkalmazkodni a váratlan változásokhoz, és gyakran az elejétől kezdik újra a feladataikat.
A tanulmány felhívja a figyelmet a robotokban végzett imitációs tanulás hátrányaira, különösen dinamikus otthoni helyzetekben, ahol már kis változtatások is a rendszer újraindítását okozhatják. A tevékenységeket kisebb komponensekre bontva az MIT tanulmány egy forradalmian új módszert javasol, amely megkönnyíti a korrekciókat, és kiküszöböli a programozók kézi beavatkozásának szükségességét. Ezt az LLM-ek teszik lehetővé, amelyek áthidalják a szakadékot az emberi bemutatók és a robotok megértése között azáltal, hogy lépésről lépésre adják a köznyelvi utasításokat. Ez lehetővé teszi a robotok számára, hogy felismerjék feladatuk fázisát, és önállóan elvégezzék a szükséges beállításokat.
A golyók kanalazására és öntésére kiképzett robot segítségével a kutatás illusztrálta ezt az ötletet, és megmutatta, hogy az LLM-ek hogyan teszik lehetővé a robot számára az önkorrekciót a szándékos megszakítás után. Ez a megközelítés hatékony megoldást nyújt a robotika állandó problémájára azáltal, hogy nagymértékben csökkenti az emberi programozás vagy beavatkozás szükségességét a hibák során.
- Fejlesztés a karrierje megszakítása nélkül! Csatlakozzon Code Labs Academy online részmunkaidős Data Science and AI bootcampjéhez, és szerezzen gyakorlati készségeket a kódolás és adatelemzés terén. Tanuljon iparági szakértőktől, építsen valós projekteket, és készüljön fel az adatvezérelt karrierre – mindezt az Ön időbeosztása szerint!*