A ampla adoção de robôs domésticos além do Roomba foi prejudicada por uma série de fatores, incluindo custo, praticidade, design e o desafio de mapear ambientes. Mesmo que esses problemas sejam parcialmente resolvidos, ainda ocorrem falhas, o que é agravado pela dificuldade em corrigir os erros cometidos por esses sistemas. Embora as grandes organizações tenham capacidade para lidar com tais questões, não é realista esperar que os consumidores paguem profissionais para depuração ou que se tornem programadores. Mas, como mostra uma pesquisa recente do MIT, os Large Language Models (LLMs) oferecem uma abordagem possível.
Um próximo artigo na Conferência Internacional sobre Representações de Aprendizagem (ICLR) busca integrar robôs com um certo grau de “senso comum” para que possam fazer correções de forma autônoma. De acordo com esta investigação, os robôs podem replicar o comportamento humano, mas, a menos que sejam devidamente treinados para lidar com todos os impedimentos possíveis, têm dificuldade em ajustar-se a mudanças imprevistas e frequentemente reiniciam as suas tarefas desde o início.
O estudo chama a atenção para as desvantagens da aprendizagem por imitação em robôs, especialmente em situações domésticas dinâmicas, onde mesmo pequenas mudanças podem causar a reinicialização do sistema. Ao dividir as atividades em componentes menores, o estudo do MIT sugere um método revolucionário que facilita as correções e elimina a necessidade de intervenção manual dos programadores. Isto é possível graças aos LLMs, que preenchem a lacuna entre as demonstrações humanas e a compreensão robótica, fornecendo instruções passo a passo em linguagem comum. Isso permite que os robôs reconheçam o estágio da tarefa e façam os ajustes necessários por conta própria.
Usando um robô treinado para colher e despejar bolinhas de gude, a pesquisa ilustrou essa ideia e mostrou como os LLMs permitem que o robô se autocorrija após ser interrompido propositalmente. Esta abordagem fornece uma resolução eficaz para um problema persistente em robótica, reduzindo significativamente a necessidade de programação ou intervenção humana durante falhas.
Aprimore suas habilidades sem interromper sua carreira! Participe do [bootcamp de ciência de dados e IA] on-line de meio período do Code Labs Academy(/courses/data-science-and-ai) e adquira habilidades práticas em codificação e análise de dados. Aprenda com especialistas do setor, crie projetos reais e prepare-se para uma carreira orientada por dados – tudo dentro do seu cronograma!