De brede acceptatie van thuisrobots buiten de Roomba wordt belemmerd door een aantal factoren, waaronder de kosten, bruikbaarheid, ontwerp en de uitdaging van het in kaart brengen van omgevingen. Zelfs als deze problemen gedeeltelijk zijn opgelost, komen er nog steeds storingen voor, wat nog wordt verergerd door de moeilijkheid bij het corrigeren van fouten die deze systemen maken. Hoewel grote organisaties de capaciteit hebben om dergelijke problemen aan te pakken, is het onrealistisch om van consumenten te verwachten dat ze professionals betalen voor het debuggen of programmeurs worden. Maar zoals uit recent onderzoek van MIT blijkt, bieden Large Language Models (LLM’s) een mogelijke aanpak.
Een komende paper op de International Conference on Learning Representations (ICLR) probeert robots met een zekere mate van ‘gezond verstand’ te integreren, zodat ze autonoom correcties kunnen uitvoeren. Volgens dit onderzoek kunnen robots menselijk gedrag nabootsen, maar tenzij ze goed zijn opgeleid om met alle mogelijke belemmeringen om te gaan, hebben ze moeite zich aan te passen aan onverwachte veranderingen en beginnen ze vaak hun taken vanaf het begin.
Het onderzoek vestigt de aandacht op de nadelen van imitatieleren bij robots, vooral in dynamische thuissituaties waar zelfs kleine veranderingen ervoor kunnen zorgen dat een systeem wordt gereset. Door activiteiten op te delen in kleinere componenten suggereert het MIT-onderzoek een revolutionaire methode die correcties eenvoudiger maakt en de noodzaak voor programmeurs om handmatig in te grijpen elimineert. Dit wordt mogelijk gemaakt door LLM's, die de kloof tussen menselijke demonstraties en robotbegrip overbruggen door stapsgewijze instructies in gemeenschappelijke taal te geven. Hierdoor kunnen robots hun taakfase herkennen en zelf de nodige aanpassingen doorvoeren.
Met behulp van een robot die was getraind om knikkers te scheppen en te gieten, illustreerde het onderzoek dit idee en liet zien hoe LLM's de robot in staat stellen zichzelf te corrigeren nadat hij doelbewust werd onderbroken. Deze aanpak biedt een effectieve oplossing voor een hardnekkig probleem in de robotica door de noodzaak van menselijke programmering of tussenkomst tijdens storingen aanzienlijk te verminderen.
Upskill zonder uw carrière te onderbreken! Doe mee aan de online parttime Data Science and AI bootcamp van Code Labs Academy en doe praktische vaardigheden op op het gebied van coderen en data-analyse. Leer van experts uit de sector, bouw echte projecten en bereid je voor op een datagestuurde carrière – allemaal volgens jouw planning!