Jak roboty uczą się prosić o pomoc

W ewoluującym świecie robotyki, przełomowa współpraca między Uniwersytetem Princeton a Google (GOOGL ) wyróżnia się. Inżynierowie z tych prestiżowych instytucji opracowali innowacyjną metodę, która uczy roboty kluczowej umiejętności: rozpoznawania, kiedy potrzebują pomocy i jak o nią prosić. Ten rozwój oznacza znaczący krok naprzód w robotyce, zamykając lukę między funkcjonowaniem autonomicznym a interakcją człowiek-robot.

Podróż w kierunku bardziej inteligentnych i niezależnych robotów zawsze była utrudniona przez jedną znaczącą wyzwanie: złożoność i niejasność języka ludzkiego. W przeciwieństwie do binarnej jasności kodów komputerowych, język ludzki jest pełen niuansów i subtelności, co sprawia, że jest labiryntem dla robotów. Na przykład, polecenie tak proste jak “podnieś miskę” może stać się złożonym zadaniem, gdy jest wiele misek. Roboty, wyposażone w czujniki środowiska i odpowiedzi na język, często znajdują się na rozdrożu, gdy spotykają takie niepewności językowe.

Mierzenie niepewności

W celu rozwiązania tego wyzwania, zespół Princeton i Google wprowadził nowy podejście, które mierzy “mglistość” języka ludzkiego. Ta technika mierzy poziom niepewności w poleceniach językowych i używa tej miary do kierowania działaniami robota. W sytuacjach, w których polecenie może prowadzić do wielu interpretacji, robot może teraz ocenić poziom niepewności i zdecydować, kiedy szukać dalszych wyjaśnień. Na przykład, w środowisku z wieloma miskami, wyższy stopień niepewności spowoduje, że robot poprosi o wyjaśnienie, któryą miskę podnieść, unikając potencjalnych błędów lub nieefektywności.

Ten nowy podejście nie tylko daje robotom lepsze zrozumienie języka, ale także poprawia ich bezpieczeństwo i efektywność w wykonaniu zadań. Poprzez integrację dużych modeli językowych (LLM) jak te, które stoją za ChatGPT, badacze dokonali znaczącego kroku w kierunku wyrównania działań robota z oczekiwaniami i potrzebami ludzi.

Rola dużych modeli językowych

Integracja LLM odgrywa kluczową rolę w tym nowym podejściu. LLM są niezbędne do przetwarzania i interpretacji języka ludzkiego. W tym kontekście są one używane do oceny i pomiaru niepewności w poleceniach językowych danych robotom.

Jednak zależność od LLM nie jest pozbawiona wyzwań. Jak zauważa zespół badawczy, dane wyjściowe z LLM mogą być czasem niewiarygodne.

Anirudha Majumdar, asystent profesora na Uniwersytecie Princeton, podkreśla wagę tego balansu:

“Ślepe podążanie za planami wygenerowanymi przez LLM może spowodować, że roboty będą działać w sposób niebezpieczny lub niewiarygodny, więc potrzebujemy, aby nasze roboty z LLM wiedziały, kiedy nie wiedzą.”

To podkreśla konieczność nuansowanego podejścia, w którym LLM są używane jako narzędzia do prowadzenia, a nie niezawodnych decydentów.

Praktyczne zastosowanie i testowanie

Praktyczność tej metody została przetestowana w różnych scenariuszach, ilustrując jej wszechstronność i skuteczność. Jednym z takich testów było użycie ramienia robota, którego zadaniem było sortowanie zabawek do jedzenia do różnych kategorii. Ten prosty zestaw pokazał zdolność robota do nawigowania zadań z wyraźnymi wyborami w sposób skuteczny.

Zdjęcie: Uniwersytet Princeton

Złożoność znacznie wzrosła w innym eksperymencie, w którym ramię robota było zamontowane na platformie kołowej w kuchni biurowej. Tutaj robot spotkał się z wyzwaniami świata rzeczywistego, takimi jak identyfikacja prawidłowego przedmiotu do umieszczenia w mikrofalówce, gdy przedstawiono mu wiele opcji.

Przez te testy, roboty pomyślnie zademonstrowały swoją zdolność do używania zmierzonej niepewności do podejmowania decyzji lub szukania wyjaśnień, tym samym potwierdzając praktyczną użyteczność tej metody.

Wnioski na przyszłość i badania

Spójrzmy w przyszłość, wnioski z tego badania sięgają znacznie poza bieżące zastosowania. Zespół, pod przewodnictwem Majumdara i studenta Allen Ren, bada, jak to podejście może być zastosowane do bardziej złożonych problemów w percepcji robota i sztucznej inteligencji. Obejmuje to sytuacje, w których roboty muszą łączyć informacje wizualne i językowe, aby podejmować decyzje, tym samym zamykając lukę między zrozumieniem robota a interakcją człowieka.

Trwające badania mają na celu nie tylko poprawę zdolności robotów do wykonywania zadań z większą precyzją, ale także umożliwienie im nawigacji w świecie z zrozumieniem podobnym do ludzkiej percepcji. To badanie może otworzyć drogę do robotów, które nie tylko są bardziej efektywne i bezpieczne, ale także bardziej dostosowane do subtelnych wymagań środowiska ludzkiego.

Można znaleźć opublikowane badanie tutaj.