L’ampia adozione di robot domestici oltre Roomba è stata ostacolata da una serie di fattori, tra cui costi, praticità, design e la sfida della mappatura degli ambienti. Anche se questi problemi vengono parzialmente risolti, si verificano comunque dei guasti, il che è aggravato dalla difficoltà nel correggere gli errori commessi da questi sistemi. Sebbene le principali organizzazioni abbiano la capacità di gestire tali problemi, non è realistico aspettarsi che i consumatori paghino professionisti per il debug o diventino programmatori. Ma come mostra una recente ricerca del MIT, i Large Language Models (LLM) offrono un approccio possibile.
Un prossimo articolo alla Conferenza internazionale sulle rappresentazioni dell'apprendimento (ICLR) cerca di integrare i robot con un certo grado di "buon senso" in modo che possano apportare correzioni in modo autonomo. Secondo questa ricerca, i robot possono replicare il comportamento umano, ma, a meno che non siano adeguatamente addestrati a gestire ogni possibile ostacolo, hanno difficoltà ad adattarsi ai cambiamenti imprevisti e spesso ricominciano i loro compiti dall’inizio.
Lo studio attira l’attenzione sugli svantaggi dell’apprendimento per imitazione nei robot, soprattutto in situazioni domestiche dinamiche dove anche piccoli cambiamenti possono causare il ripristino di un sistema. Suddividendo le attività in componenti più piccoli, lo studio del MIT suggerisce un metodo rivoluzionario che semplifica le correzioni ed elimina la necessità di intervento manuale da parte dei programmatori. Ciò è reso possibile dai LLM, che colmano il divario tra le dimostrazioni umane e la comprensione robotica fornendo istruzioni passo passo in un linguaggio comune. Ciò consente ai robot di riconoscere la fase del proprio compito e apportare autonomamente le modifiche necessarie.
Utilizzando un robot addestrato a raccogliere e versare biglie, la ricerca ha illustrato questa idea e ha mostrato come gli LLM consentono al robot di autocorreggersi dopo essere stato interrotto intenzionalmente. Questo approccio fornisce una soluzione efficace a un problema persistente nella robotica riducendo notevolmente la necessità di programmazione o intervento umano in caso di guasti.
Migliora le tue competenze senza interrompere la tua carriera! Partecipa al bootcamp di scienza dei dati e intelligenza artificiale part-time online di Code Labs Academy e acquisisci competenze pratiche nella codifica e nell'analisi dei dati. Impara dagli esperti del settore, crea progetti reali e preparati per una carriera basata sui dati, tutto secondo il tuo programma!