Širokému prijatiu domácich robotov mimo Roombu bráni množstvo faktorov, vrátane ceny, praktickosti, dizajnu a náročnosti mapovania prostredí. Aj keď sú tieto problémy čiastočne vyriešené, stále sa vyskytujú zlyhania, čo je ešte horšie v dôsledku ťažkostí pri oprave chýb, ktorých sa tieto systémy dopúšťajú. Zatiaľ čo veľké organizácie majú kapacitu na riešenie takýchto problémov, je nereálne očakávať, že spotrebitelia budú platiť profesionálom za ladenie alebo že sa stanú programátormi. Ale ako ukazuje nedávny výskum z MIT, veľké jazykové modely (LLM) ponúkajú možný prístup.
Pripravovaný článok na Medzinárodnej konferencii o zastupovaní vzdelávania (ICLR) sa snaží integrovať roboty s určitou mierou „zdravého rozumu“, aby mohli autonómne vykonávať opravy. Podľa tohto výskumu môžu roboty replikovať ľudské správanie, ale pokiaľ nie sú riadne vycvičené, aby zvládli každú možnú prekážku, majú problém prispôsobiť sa neočakávaným zmenám a často reštartujú svoje úlohy od začiatku.
Štúdia upozorňuje na nevýhody napodobňovacieho učenia v robotoch, najmä v dynamických domácich situáciách, kde aj malé zmeny môžu spôsobiť resetovanie systému. Rozdelením činností na menšie komponenty štúdia MIT navrhuje revolučnú metódu, ktorá uľahčuje opravy a eliminuje potrebu manuálnych zásahov programátorov. Umožňujú to LLM, ktoré premosťujú priepasť medzi ľudskými demonštráciami a robotickým chápaním tým, že dávajú pokyny krok za krokom v bežnom jazyku. To umožňuje robotom rozpoznať štádium ich úlohy a samostatne vykonať potrebné úpravy.
Pomocou robota, ktorý bol vycvičený na naberanie a sypanie guľôčok, výskum ilustroval túto myšlienku a ukázal, ako LLM umožňujú robotovi samočinnú korekciu po účelovom prerušení. Tento prístup poskytuje efektívne riešenie pretrvávajúceho problému v robotike tým, že výrazne znižuje požiadavky na ľudské programovanie alebo zásahy pri poruchách.
Zdokonaľte sa bez prerušenia kariéry! Zapojte sa do Code Labs Academy online na čiastočný úväzok Data Science and AI bootcamp a získajte praktické zručnosti v kódovaní a analýze údajov. Učte sa od odborníkov z odvetvia, stavajte skutočné projekty a pripravte sa na kariéru založenú na údajoch – to všetko podľa vášho plánu!