인간 언어가 로봇 학습을 가속화한다

프린스턴 대학교의 연구팀은 도구에 대한 인간 언어 설명이 다양한 도구를 들어 올리고 사용할 수 있는 시뮬레이션 로봇 팔의 학습을 가속화할 수 있다는 것을 발견했습니다.

새로운 연구는 AI 훈련이 새로운 상황에서 자율 로봇을 더 적응性 있게 만들 수 있으며, 이는 그들의 효과성과 안전성을 향상시킵니다.

도구의 형태와 기능에 대한 설명을 로봇의 훈련 과정에 추가함으로써, 로봇이 새로운 도구를 조작하는 능력이 향상되었습니다.

ATLA 훈련 방법

새로운 방법은 도구 조작의 가속화된 학습과 언어로 불리며, ATLA라고 약칭됩니다.

프린스턴 대학교의 기계 및 항공 우주 공학부 조교수인 아니루드하 마주姆다르(Anirudha Majumdar)는 “언어 형태의 추가 정보는 로봇이 도구를 사용하는 것을 더 빠르게 학습하도록 도와줄 수 있습니다”라고 말했습니다.

연구팀은 언어 모델 GPT-3를 사용하여 도구 설명을 얻었습니다. 다양한 프롬프트를 시도한 후, “[도구]의 [기능]에 대한 자세한 과학적 설명”이라는 프롬프트를 사용하기로 결정했습니다. 여기서 기능은 도구의 모양이나 목적입니다.

컴퓨터 과학부 조교수이자 연구의 공동 저자인 카르티크 나라심한(Karthik Narasimhan)은 “이 언어 모델은 인터넷에서 훈련되었기 때문에, 이것은 크라우드소싱이나 특정 웹사이트에서 도구 설명을 수집하는 것보다 더 효율적이고 포괄적인 정보를 얻는 또 다른 방법이라고 생각할 수 있습니다”라고 말했습니다.

프린스턴 대학교의 자연 언어 처리 그룹의 리드 연구원인 나라심한은 원래 GPT 언어 모델의 개발에 방문 연구원으로 참여했습니다.

https://vimeo.com/781953242?embedded=true&source=video_title&owner=2065450

시뮬레이션 로봇 학습 실험

연구팀은 시뮬레이션 로봇 학습 실험을 위해 27개의 도구를 선택했습니다. 도구는 도끼에서 스퀴지까지 다양했습니다. 로봇 팔에는 네 가지 작업이 주어졌습니다: 도구를 밀기, 들어 올리기, 도구를 사용하여 실린더를 테이블 위로 밀기, 또는 못을 구멍에 박기.

연구팀은 기계 학습 접근 방식을 사용하여 언어 정보가 있는 경우와 없는 경우에 대한 정책 세트를 개발했습니다. 정책의 성능은 설명이 있는 9개의 도구에 대한 별도의 테스트에서 비교되었습니다.

메타 학습이라고 불리는 접근 방식은 로봇이 각 작업에서 학습하는 능력을 향상시킵니다.

나라심한에 따르면, 로봇은 각 도구를 사용하는 것을 학습하는 것뿐만 아니라 “100가지 다른 도구의 설명을 이해하려고 시도하고 있기 때문에 101번째 도구를 볼 때 더 빠르게 학습할 수 있습니다”라고 말했습니다.

대부분의 실험에서 언어 정보는 로봇이 새로운 도구를 사용하는 능력에 상당한 이점을 제공했습니다.

마주姆다르의 연구 그룹에서 박사 과정 학생이자 연구 논문의 제1저자인 알렌 Z. 렌(Allen Z. Ren)은 “언어 훈련을 통해 로봇은 크로바의 긴 끝을 잡고 곡선 표면을 사용하여 병의 이동을 더 잘 제어할 수 있습니다”라고 말했습니다. “언어가 없으면 크로바를 곡선 표면에 가까이 잡았기 때문에 더 difícil로 제어했습니다.”

마주姆다르는 “로봇 시스템, 특히 기계 학습을 사용하여 훈련된 시스템이 새로운 환경에 일반화되도록 하는 것이 궁극적인 목표”라고 말했습니다.