Roomba-ից դուրս տնային ռոբոտների լայն ընդունումը խոչընդոտվել է մի շարք գործոններով, ներառյալ ծախսերը, գործնականությունը, դիզայնը և քարտեզագրման միջավայրի մարտահրավերները: Նույնիսկ եթե այս խնդիրները մասամբ լուծվեն, ձախողումները դեռևս տեղի են ունենում, ինչը վատթարանում է այս համակարգերի սխալները շտկելու դժվարությամբ: Թեև խոշոր կազմակերպությունները կարող են կարգավորել նման հարցերը, անիրատեսական է ակնկալել, որ սպառողները կվճարեն մասնագետներին վրիպազերծման կամ ծրագրավորող դառնալու համար: Բայց ինչպես ցույց է տալիս MIT-ի վերջին հետազոտությունը, Լեզուների խոշոր մոդելները (LLMs) առաջարկում են հնարավոր մոտեցում:
Ուսուցման ներկայացուցչությունների միջազգային կոնֆերանսի (ICLR) առաջիկա թուղթ նպատակ ունի ինտեգրել ռոբոտներին «առողջ դատողության» աստիճանով, որպեսզի նրանք կարողանան ինքնուրույն ուղղումներ կատարել: Ըստ այս հետազոտության, ռոբոտները կարող են կրկնօրինակել մարդու վարքագիծը, բայց եթե նրանք պատշաճ պատրաստվածություն չունենան՝ հաղթահարելու բոլոր հնարավոր խոչընդոտները, նրանք դժվարանում են հարմարվել անսպասելի փոփոխություններին և հաճախակի վերսկսում են իրենց առաջադրանքները սկզբից:
Ուսումնասիրությունը ուշադրություն է հրավիրում ռոբոտների իմիտացիոն ուսուցման թերությունների վրա, հատկապես դինամիկ տնային իրավիճակներում, որտեղ նույնիսկ փոքր փոփոխությունները կարող են հանգեցնել համակարգի վերակայման: Գործողությունները բաժանելով ավելի փոքր բաղադրիչների՝ MIT-ի ուսումնասիրությունն առաջարկում է հեղափոխական մեթոդ, որը հեշտացնում է ուղղումները և վերացնում ծրագրավորողների ձեռքով միջամտության անհրաժեշտությունը: Դա հնարավոր է դարձել LLM-ների շնորհիվ, որոնք կամրջում են մարդկային ցուցադրությունների և ռոբոտային հասկացությունների միջև առկա բացը` ընդհանուր լեզվով քայլ առ քայլ հրահանգներ տալով: Սա թույլ է տալիս ռոբոտներին ճանաչել իրենց առաջադրանքի փուլը և ինքնուրույն կատարել անհրաժեշտ ճշգրտումները:
Օգտագործելով մի ռոբոտ, որը սովորել էր մարմարներ փորելու և լցնելու համար, հետազոտությունը ցույց տվեց այս գաղափարը և ցույց տվեց, թե ինչպես են LLM-ները թույլ տալիս ռոբոտին ինքնուրույն ուղղվել՝ նպատակային ընդհատվելուց հետո: Այս մոտեցումը արդյունավետ լուծում է տալիս ռոբոտաշինության մշտական խնդրին՝ էապես նվազեցնելով մարդկային ծրագրավորման կամ խափանումների ժամանակ միջամտության պահանջը:
- Բարձրացնել հմտությունները առանց ձեր կարիերան ընդհատելու: Միացեք Code Labs Academy-ի առցանց կես դրույքով Data Science and AI bootcamp և ձեռք բերեք գործնական հմտություններ կոդավորման և տվյալների վերլուծության մեջ: Սովորեք ոլորտի փորձագետներից, կառուցեք իրական նախագծեր և պատրաստվեք տվյալների վրա հիմնված կարիերայի՝ ամեն ինչ ձեր ժամանակացույցով*։