Szerokie zastosowanie robotów domowych innych niż Roomba zostało utrudnione przez szereg czynników, w tym koszt, praktyczność, projekt i wyzwania związane z mapowaniem środowisk. Nawet jeśli problemy te zostaną częściowo rozwiązane, nadal występują awarie, które pogłębiają się ze względu na trudność w korygowaniu błędów popełnianych przez te systemy. Chociaż duże organizacje są w stanie poradzić sobie z takimi problemami, nierealistyczne jest oczekiwanie, że konsumenci zapłacą specjalistom za debugowanie lub zostaną programistami. Jednak jak pokazują ostatnie badania przeprowadzone przez MIT, możliwe podejście oferują modele dużego języka (LLM).
Celem planowanego artykułu wygłoszonego na Międzynarodowej konferencji na temat reprezentacji uczenia się (ICLR) jest integracja robotów z pewnym stopniem „zdrowego rozsądku”, tak aby mogły samodzielnie wprowadzać poprawki. Według tych badań roboty mogą naśladować ludzkie zachowania, ale jeśli nie zostaną odpowiednio przeszkolone w zakresie radzenia sobie z każdą możliwą przeszkodą, mają trudności z przystosowaniem się do nieprzewidzianych zmian i często rozpoczynają swoje zadania od początku.
Badanie zwraca uwagę na wady uczenia się przez naśladownictwo w robotach, szczególnie w dynamicznych sytuacjach domowych, gdzie nawet niewielkie zmiany mogą spowodować zresetowanie systemu. Badanie MIT sugeruje, że poprzez rozbicie działań na mniejsze komponenty można zastosować rewolucyjną metodę, która ułatwia wprowadzanie poprawek i eliminuje potrzebę ręcznej interwencji programistów. Jest to możliwe dzięki LLM, które wypełniają lukę między demonstracjami na ludziach a zrozumieniem robotów, zapewniając instrukcje krok po kroku w powszechnym języku. Dzięki temu roboty mogą rozpoznać etap swojego zadania i samodzielnie dokonać niezbędnych korekt.
Badania, w których wykorzystano robota przeszkolonego do zbierania i nalewania kulek, zilustrowały tę koncepcję i pokazały, w jaki sposób LLM pozwalają robotowi na samokorektę po celowym przerwaniu. Podejście to zapewnia skuteczne rozwiązanie utrzymującego się problemu w robotyce, znacznie zmniejszając zapotrzebowanie na programowanie przez człowieka lub interwencję w przypadku awarii.
Podnoszenie umiejętności bez przerywania kariery! Dołącz do Code Labs Academy online Code Labs Academy Data Science and AI bootcamp i zdobądź praktyczne umiejętności w zakresie kodowania i analizy danych. Ucz się od ekspertów branżowych, twórz prawdziwe projekty i przygotuj się na karierę opartą na danych – wszystko zgodnie z Twoim harmonogramem!