Mājas robotu plašo ieviešanu ārpus Roomba ir kavējuši vairāki faktori, tostarp izmaksas, praktiskums, dizains un vides kartēšanas izaicinājums. Pat ja šīs problēmas tiek daļēji atrisinātas, joprojām rodas kļūmes, ko vēl vairāk pasliktina grūtības labot šo sistēmu kļūdas. Lai gan lielākās organizācijas spēj risināt šādas problēmas, ir nereāli sagaidīt, ka patērētāji maksās profesionāļiem par atkļūdošanu vai kļūs par programmētājiem. Taču, kā liecina jaunākie MIT pētījumi, lielie valodu modeļi (LLM) piedāvā iespējamu pieeju.
Gaidāmajā papīrā Starptautiskajā konferencē par mācīšanās priekšstatiem (ICLR) ir mēģināts integrēt robotus ar zināmu "veselo saprātu", lai tie varētu veikt korekcijas autonomi. Saskaņā ar šo pētījumu roboti var atkārtot cilvēka uzvedību, taču, ja vien tie nav pareizi apmācīti tikt galā ar visiem iespējamiem šķēršļiem, viņiem ir grūtības pielāgoties neparedzētām izmaiņām un bieži atsāk savus uzdevumus no sākuma.
Pētījums pievērš uzmanību imitācijas mācīšanās trūkumiem robotos, īpaši dinamiskās mājas situācijās, kad pat nelielas izmaiņas var izraisīt sistēmas atiestatīšanu. Sadalot aktivitātes mazākos komponentos, MIT pētījums ierosina revolucionāru metodi, kas atvieglo labojumus un novērš nepieciešamību programmētājiem manuāli iejaukties. Tas ir iespējams, pateicoties LLM, kas mazina plaisu starp cilvēku demonstrācijām un robotu izpratni, sniedzot soli pa solim norādījumus kopējā valodā. Tas ļauj robotiem atpazīt savu uzdevumu posmu un veikt nepieciešamos pielāgojumus pašiem.
Izmantojot robotu, kas tika apmācīts bumbiņu smelt un ieliet, pētījums ilustrē šo ideju un parādīja, kā LLM ļauj robotam pašam laboties pēc mērķtiecīgas darbības pārtraukšanas. Šī pieeja nodrošina efektīvu risinājumu pastāvīgai robotikas problēmai, ievērojami samazinot vajadzību pēc cilvēka programmēšanas vai iejaukšanās kļūmju laikā.
- Uzlabotas prasmes, nepārtraucot karjeru! Pievienojieties Code Labs Academy tiešsaistes nepilna laika Data Science and AI bootcamp un iegūstiet praktiskas iemaņas kodēšanā un datu analīzē. Mācieties no nozares ekspertiem, veidojiet reālus projektus un sagatavojieties uz datiem balstītai karjerai — tas viss notiek pēc jūsu grafika!*