ภาษามนุษย์ช่วยเร่งการเรียนรู้ของหุ่นยนต์

ทีมนักวิจัยจากมหาวิทยาลัยพรินซ์ตันพบว่าคำอธิบายภาษามนุษย์ของเครื่องมือสามารถช่วยเร่งการเรียนรู้ของหุ่นยนต์จำลองที่สามารถยกและใช้เครื่องมือต่างๆ ได้

การวิจัยใหม่นี้สนับสนุนแนวคิดที่ว่าการฝึกอบรม AI สามารถทำให้หุ่นยนต์ทำงานได้ดีขึ้นในสถานการณ์ใหม่ ซึ่งจะช่วยเพิ่มประสิทธิภาพและความปลอดภัย

โดยการเพิ่มคำอธิบายของเครื่องมือในรูปแบบและหน้าที่ในการฝึกอบรมหุ่นยนต์ ความสามารถในการจัดการเครื่องมือใหม่ของหุ่นยนต์ได้รับการปรับปรุง

วิธีการฝึกอบรม ATLA

วิธีการใหม่นี้เรียกว่า การเรียนรู้ที่เร่งด้วยภาษาในการจัดการเครื่องมือ หรือ ATLA

อนิรุธ มาจุมดาร์ เป็นรองศาสตราจารย์สาขาวิศวกรรมเครื่องกลและอวกาศ tại มหาวิทยาลัยพรินซ์ตัน และหัวหน้า实验室การเคลื่อนไหวหุ่นยนต์ฉลาด

“ข้อมูลเพิ่มเติมในรูปแบบของภาษาสามารถช่วยให้หุ่นยนต์เรียนรู้การใช้เครื่องมือได้เร็วขึ้น” มาจุมดาร์ กล่าว

ทีมงานได้สอบถามแบบจำลองภาษา GPT-3 เพื่อให้ได้คำอธิบายเครื่องมือ หลังจากทดลองคำสั่งหลายแบบแล้ว พวกเขาได้ตัดสินใจใช้ “อธิบาย [คุณลักษณะ] ของ [เครื่องมือ] ในรูปแบบที่มีรายละเอียดและวิทยาศาสตร์” โดยที่คุณลักษณะคือรูปทรงหรือวัตถุประสงค์ของเครื่องมือ

คาร์ทิก นาราสิมฮัน เป็นรองศาสตราจารย์สาขาวิทยาการคอมพิวเตอร์และผู้เขียนร่วมของการศึกษา นาราสิมฮัน ยังเป็นสมาชิกหลักของกลุ่มการประมวลผลภาษามนุษย์ธรรมชาติของมหาวิทยาลัยพรินซ์ตัน และมีส่วนร่วมในการสร้างแบบจำลองภาษา GPT เดิมในฐานะนักวิจัยที่ OpenAI

“เนื่องจากแบบจำลองภาษาเหล่านี้ได้รับการฝึกอบรมจากอินเทอร์เน็ต ในบางแง่คุณสามารถคิดว่านี่เป็นวิธีการที่แตกต่างในการดึงข้อมูลนี้ได้อย่างมีประสิทธิภาพและครอบคลุมมากกว่าการใช้การฝึกอบรมจากฝูงชนหรือการค้นหาเว็บไซต์เฉพาะสำหรับคำอธิบายเครื่องมือ” นาราสิมฮัน กล่าว

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

การทดลองการเรียนรู้ของหุ่นยนต์แบบจำลอง

ทีมงานได้เลือกชุดเครื่องมือ 27 ชิ้นสำหรับการทดลองการเรียนรู้ของหุ่นยนต์แบบจำลอง โดยเครื่องมือเหล่านั้นรวมถึงตั้งแต่เครื่องตัดไม้ถึงเครื่องล้างพื้น หุ่นยนต์แบบจำลองได้รับมอบหมายให้ทำสี่งาน: ดันเครื่องมือ, ยกเครื่องมือ, ใช้เครื่องมือในการกวาดกระบอกสูบไปตามโต๊ะ หรือใช้เครื่องมือในการตอกไม้เข้าไปในหลุม

ทีมงานได้พัฒนาชุดนโยบายโดยใช้การเรียนรู้ของเครื่องและแบบจำลองภาษา โดยการเปรียบเทียบประสิทธิภาพของนโยบายเหล่านั้นในเครื่องมือทดสอบ 9 ชิ้นพร้อมคำอธิบายคู่

แนวทางนี้เรียกว่าการเรียนรู้แบบเมต้า ซึ่งช่วยให้หุ่นยนต์เรียนรู้ได้ดีขึ้นด้วยการทำงานที่สำเร็จลุล่วง

ตามนาราสิมฮัน หุ่นยนต์ไม่เพียงแต่เรียนรู้การใช้เครื่องมือแต่ละชิ้นเท่านั้น แต่ยัง “พยายามที่จะเรียนรู้เพื่อทำความเข้าใจคำอธิบายของเครื่องมือเหล่านี้ 100 ชิ้น เพื่อให้เมื่อเห็นเครื่องมือชิ้นที่ 101 มันจะเรียนรู้การใช้เครื่องมือใหม่ได้เร็วขึ้น”

ในหลายๆ การทดลอง ข้อมูลภาษาให้ประโยชน์ที่สำคัญต่อความสามารถของหุ่นยนต์ในการใช้เครื่องมือใหม่

อัลเลน ซี เรน เป็นนักศึกษาระดับ 박사 ในกลุ่มของมาจุมดาร์ และเป็นผู้เขียนหลักของงานวิจัย

“ด้วยการฝึกอบรมภาษา มันเรียนรู้ที่จะจับเครื่องมือที่ปลายยาวและใช้พื้นผิวโค้งเพื่อควบคุมการเคลื่อนไหวของขวดได้ดีขึ้น” เรน กล่าว “โดยไม่มีการฝึกอบรมภาษา มันจับเครื่องมือใกล้กับพื้นผิวโค้งและควบคุมได้ยากขึ้น”

“เป้าหมายทั่วไปคือการทำให้ระบบหุ่นยนต์ — โดยเฉพาะระบบที่ได้รับการฝึกอบรมโดยใช้การเรียนรู้ของเครื่อง — สามารถทำงานได้ดีในสถานการณ์ใหม่” มาจุมดาร์ กล่าวเสริม