Cercetătorii de la MIT combină datele de mișcare ale robotului cu modelele de limbaj pentru a îmbunătăți executarea sarcinilor

Roboții casnici sunt din ce în ce mai mult învățați să execute sarcini complexe prin învățarea prin imitație, un proces în care sunt programați să copieze mișcările demonstrate de un om. În timp ce roboții s-au dovedit a fi excelenți imitatori, ei adesea se confruntă cu dificultăți în a se adapta la perturbări sau situații neașteptate întâlnite în timpul executării sarcinii. Fără programare explicită pentru a gestiona aceste abateri, roboții sunt obligați să înceapă sarcina de la început. Pentru a aborda această provocare, inginerii de la MIT dezvoltă o abordare nouă care are ca scop să ofere roboților o senzație de bun simț atunci când se confruntă cu situații neașteptate, permițându-le să se adapteze și să continue sarcinile fără a necesita intervenție manuală.

Abordarea Nouă

Cercetătorii de la MIT au dezvoltat o metodă care combină datele de mișcare ale robotului cu “cunoașterea de bun simț” a modelelor de limbaj mari (LLM). Prin conectarea acestor două elemente, abordarea permite roboților să analizeze logic o sarcină casnică în sub-sarcini și să se adapteze fizic la perturbări în cadrul fiecărei sub-sarcini. Acest lucru permite robotului să continue fără a fi nevoit să reînceapă întreaga sarcină de la început, și elimină nevoia ca inginerii să programeze explicit corecții pentru fiecare posibilă eroare de-a lungul drumului.

Ca studentul absolvent Yanwei Wang de la Departamentul de Inginerie Electrică și Știința Calculatoarelor (EECS) de la MIT explică, “Cu metoda noastră, un robot poate corecta erorile de execuție și îmbunătăți succesul general al sarcinii.”

Pentru a demonstra noua abordare, cercetătorii au utilizat o sarcină simplă: ridicarea bilelor dintr-un bol și turnarea lor în altul. În mod tradițional, inginerii ar fi mișcat un robot prin mișcările de ridicare și turnare într-o singură traiectorie fluidă, oferind adesea multiple demonstrații umane pentru ca robotul să le imite. Cu toate acestea, așa cum subliniază Wang, “demonstrația umană este o singură traiectorie continuă.” Echipa a realizat că, deși un om ar putea demonstra o singură sarcină într-un singur pas, sarcina depinde de o secvență de sub-sarcini. De exemplu, robotul trebuie să ajungă mai întâi într-un bol înainte de a putea ridica bilele, și trebuie să ridice bilele înainte de a se deplasa spre bolul gol.

Dacă un robot face o greșeală în timpul oricăreia dintre aceste sub-sarcini, singura sa soluție este să se oprească și să reînceapă de la început, cu excepția cazului în care inginerii marchează explicit fiecare sub-sarcină și programează sau colectează noi demonstrații pentru ca robotul să se recupereze de la eșec. Wang subliniază că “acel nivel de planificare este foarte laborios.” Aici intervine noua abordare a cercetătorilor. Prin utilizarea puterii LLM, robotul poate identifica automat sub-sarcinile implicate în sarcina generală și poate determina acțiuni de recuperare potențiale în caz de perturbări. Acest lucru elimină nevoia ca inginerii să programeze manual robotul pentru a gestiona fiecare scenariu de eșec posibil, făcând robotul mai adaptabil și eficient în executarea sarcinilor casnice.

Rolul Modelelor de Limbaj Mari

LLM joacă un rol crucial în noua abordare a cercetătorilor de la MIT. Aceste modele de învățare profundă procesează biblioteci uriașe de text, stabilind legături între cuvinte, propoziții și paragrafe. Prin aceste legături, un LLM poate genera propoziții noi pe baza modelelor învățate, în esență înțelegând tipul de cuvânt sau frază care este probabil să urmeze ultimului.

Cercetătorii au realizat că această capacitate a LLM poate fi utilizată pentru a identifica automat sub-sarcinile dintr-o sarcină mai mare și acțiuni de recuperare potențiale în caz de perturbări. Prin combinarea “cunoașterii de bun simț” a LLM cu datele de mișcare ale robotului, noua abordare permite roboților să analizeze logic o sarcină în sub-sarcini și să se adapteze la situații neașteptate. Această integrare a LLM și a roboticii are potențialul de a revoluționa modul în care roboții casnici sunt programați și instruiți, făcându-i mai adaptabili și capabili să gestioneze provocările lumii reale.

Pe măsură ce domeniul roboticii continuă să evolueze, integrarea tehnologiilor de inteligență artificială, cum ar fi LLM, va deveni din ce în ce mai importantă. Abordarea cercetătorilor de la MIT este un pas semnificativ către crearea de roboți casnici care nu numai că pot imita acțiunile umane, dar și pot înțelege logica și structura subiacentă a sarcinilor pe care le efectuează. Această înțelegere va fi cheia pentru dezvoltarea de roboți care pot opera autonom și eficient în medii complexe și reale.

Spre un Viitor Mai Inteligent și Mai Adaptabil pentru Roboții Casnici

Prin permiterea roboților să corecteze erorile de execuție și să îmbunătățească succesul general al sarcinii, această metodă abordează una dintre principalele provocări în programarea roboților: adaptabilitatea la situații din lumea reală.

Implicațiile acestei cercetări se extind mult dincolo de simpla sarcină de ridicare a bilelor. Pe măsură ce roboții casnici devin mai frecvenți, ei vor trebui să fie capabili să gestioneze o varietate largă de sarcini în medii dinamice și neordonate. Capacitatea de a descompune sarcinile în sub-sarcini, de a înțelege logica subiacentă și de a se adapta la perturbări va fi esențială pentru ca acești roboți să opereze eficient și eficace.

Mai mult, integrarea LLM și a roboticii demonstrează potențialul tehnologiilor de inteligență artificială de a revoluționa modul în care programăm și instruim roboții. Pe măsură ce aceste tehnologii continuă să evolueze, putem aștepta să vedem roboți mai inteligenți, mai adaptabili și mai autonomi în casele și locurile noastre de muncă.

Lucrarea cercetătorilor de la MIT este un pas critic către crearea de roboți casnici care pot înțelege și naviga complexitățile lumii reale. Pe măsură ce această abordare este rafinată și aplicată unui spectru mai larg de sarcini, are potențialul de a transforma modul în care trăim și lucrăm, făcând viețile noastre mai ușoare și mai eficiente.