Mënschlech Sprooch beschleunegt Roboter Léieren

E Team vu Fuerscher um Princeton huet festgestallt datt mënschlech Sproochbeschreiwunge vun Tools d'Léiere vun engem simuléierten Roboterarm beschleunegen, dee verschidde Tools ophiewen a benotzen.

Déi nei Fuerschung ënnerstëtzt d'Iddi datt AI Training autonom Roboteren méi adaptiv an nei Situatiounen maache kann, wat hir Effizienz a Sécherheet verbessert.

Andeems d'Beschreiwunge vun der Form a Funktioun vun engem Tool zum Trainingsprozess vum Roboter bäigefüügt goufen, gouf d'Fäegkeet vum Roboter fir nei Tools ze manipuléieren verbessert.

ATLA Method fir Training

Déi nei Method gëtt genannt Beschleunegt Léieren vun Tool Manipulatioun mat Sproochoder ATLA.

Den Anirudha Majumdar ass en Assistent Professer fir mechanesch a Raumfaarttechnik zu Princeton a Chef vum Intelligent Robot Motion Lab.

"Extra Informatioun a Form vu Sprooch kann engem Roboter hëllefen d'Tools méi séier ze benotzen", sot Majumdar.

D'Team huet de Sproochemodell GPT-3 gefrot fir Toolbeschreiwungen ze kréien. Nodeems se verschidde Prompts ausprobéiert hunn, hunn se decidéiert "Beschreift d'[Feature] vum [Tool] an enger detailléierter a wëssenschaftlecher Äntwert" ze benotzen, mat der Feature d'Form oder Zweck vum Tool.

De Karthik Narasimhan ass en Assistent Professer fir Informatik a Co-Autor vun der Studie. Den Narasimhan ass och e Lead Fakultéit Member an der Princeton Natursproochveraarbechtung (NLP) Grupp an huet zum Original GPT Sproochemodell bäigedroen als Besucherfuerschungswëssenschaftler bei OpenAI.

"Well dës Sproochmodeller um Internet trainéiert goufen, kënnt Dir an engem gewësse Sënn un dëst als eng aner Manéier denken fir dës Informatioun méi effizient an ëmfaassend ze kréien wéi d'Crowdsourcing ze benotzen oder spezifesch Websäite fir Toolbeschreiwungen ze schrauwen," sot Narasimhan.

Simuléiert Roboter Léieren Experimenter

D'Team huet en Trainingsset vu 27 Tools fir hir simuléiert Roboter Léierexperimenter ausgewielt, mat den Tools rangéiert vun enger Axt bis zu enger Squeegee. De Roboterarm krut véier verschidden Aufgaben: Dréckt d'Tool, hieft d'Tool, benotzt et fir en Zylinder laanscht en Dësch ze räissen oder e Peg an e Lach ze hammeren.

D'Team huet dann eng Suite vu Politiken entwéckelt andeems se Maschinnléiere Approche mat an ouni Sproochinformatioun benotzt. D'Leeschtunge vun de Politiken goufen op engem getrennten Test vun néng Tools mat gepaart Beschreiwunge verglach.

D'Approche, déi Meta-Learning genannt gëtt, improviséiert d'Fäegkeet vum Roboter mat all successive Aufgab ze léieren.

Nom Narasimhan léiert de Roboter net nëmmen all Tool ze benotzen, awer och "probéiert d'Beschreiwunge vun all eenzel vun dësen honnert verschiddenen Tools ze verstoen, also wann en den 101. Tool gesäit, ass et méi séier ze léieren dat neit Tool ze benotzen. "

An de meeschte vun den Experimenter huet d'Sproochinformatioun bedeitend Virdeeler fir d'Fäegkeet vum Roboter fir nei Tools ze benotzen.

Allen Z. Ren ass eng Ph.D. Student am Majumdar Grupp a Lead Autor vum Fuerschungspabeier.

"Mat der Sproochetraining léiert et am laangen Enn vun der Kräidbecher ze gräifen an d'gebogen Uewerfläch ze benotzen fir d'Bewegung vun der Fläsch besser ze beschränken", sot de Ren. "Ouni d'Sprooch huet et d'Krouebar gegraff déi gebogen Uewerfläch zougemaach an et war méi schwéier ze kontrolléieren."

"Déi breet Zil ass Roboter Systemer ze kréien - speziell déi, déi mat Maschinnléiere trainéiert ginn - fir nei Ëmfeld ze generaliséieren", huet Majumdar derbäigesat.