Plačiam namų robotų pritaikymui už „Roomba“ ribų trukdė daugybė veiksnių, įskaitant kainą, praktiškumą, dizainą ir aplinkos žemėlapių sudarymo iššūkius. Net jei šios problemos iš dalies išspręstos, gedimų vis tiek pasitaiko, o tai dar labiau apsunkina šių sistemų daromų klaidų taisymo sunkumai. Nors didžiosios organizacijos gali spręsti tokias problemas, nerealu tikėtis, kad vartotojai mokės profesionalams už derinimą arba taps programuotojais. Tačiau, kaip rodo naujausi MIT tyrimai, didelių kalbų modeliai (LLM) siūlo galimą požiūrį.
Būsimame pranešime Tarptautinėje mokymosi atstovų konferencijoje (ICLR) siekiama integruoti robotus, turinčius „sveiko proto“, kad jie galėtų savarankiškai atlikti pataisymus. Remiantis šiuo tyrimu, robotai gali atkartoti žmogaus elgesį, tačiau jei jie nėra tinkamai išmokyti įveikti visas galimas kliūtis, jiems sunku prisitaikyti prie nenumatytų pokyčių ir dažnai iš naujo pradeda savo užduotis nuo pat pradžių.
Tyrimas atkreipia dėmesį į imitacinio mokymosi robotuose trūkumus, ypač dinamiškose namų situacijose, kai net ir nedideli pakeitimai gali priversti sistemą iš naujo nustatyti. Suskaidžius veiklą į mažesnius komponentus, MIT tyrimas siūlo revoliucinį metodą, kuris palengvina pataisymus ir pašalina poreikį programuotojams įsikišti rankiniu būdu. Tai įgalina LLM, kurie užpildo atotrūkį tarp žmonių demonstravimo ir robotų supratimo, teikdami nuoseklias instrukcijas bendrine kalba. Tai leidžia robotams atpažinti savo užduoties etapą ir patiems atlikti reikiamus pakeitimus.
Naudojant robotą, kuris buvo išmokytas semti ir pilti rutuliukus, tyrimas iliustravo šią idėją ir parodė, kaip LLM leidžia robotui savarankiškai pasitaisyti po to, kai jis buvo tikslingai pertrauktas. Šis metodas efektyviai išsprendžia nuolatinę robotikos problemą, nes labai sumažina žmogaus programavimo ar įsikišimo poreikį gedimų metu.
- Įgūdžiai nepertraukiant karjeros! Prisijunkite prie Code Labs Academy internetinės neakivaizdinės Data Science and AI bootcamp ir įgykite praktinių kodavimo ir duomenų analizės įgūdžių. Mokykitės iš pramonės ekspertų, kurkite tikrus projektus ir ruoškitės duomenimis pagrįstai karjerai – visa tai pagal savo tvarkaraštį!*