İnsanların Dili Robotik Öğrenmeyi Hızlandırıyor

Princeton’da bir araştırma ekibi, araçların insan dili tanımlarının, çeşitli araçları kaldırabilen ve kullanabilen bir simüle robotic kolumun öğrenmesini hızlandırabileceğini keşfetti.

Yeni araştırma, AI eğitiminin, otonom robotların yeni durumlara daha uyarlanabilir olmasını sağladığını, bu da onların etkinliğini ve güvenliğini artırdığını desteklemektedir.

Araçların formu ve işlevi hakkında açıklamaları robotun eğitim sürecine ekleyerek, robotun yeni araçları kullanma yeteneği geliştirildi.

ATLA Eğitim Yöntemi

Yeni yöntem, Hızlandırılmış Araç Manipülasyonu ile Dil veya ATLA olarak adlandırılmaktadır.

Anirudha Majumdar, Princeton’da mekanik ve uzay mühendisliği yardımcı profesörü ve Akıllı Robot Hareket Laboratuvarı başkanıdır.

“Dil形式indeki ek bilgi, bir robota araçları daha hızlı kullanmayı öğrenmesine yardımcı olabilir” dedi Majumdar.

Ekibe, dil modeli GPT-3’ü sorgulayarak araç açıklamaları elde edildi. Various promt’ları denedikten sonra, “[araç]ın [özellik]ini ayrıntılı ve bilimsel bir şekilde tanımla” şeklinde bir promt kullanmaya karar verdi.

Karthik Narasimhan, bilgisayar bilimi yardımcı profesörü ve çalışmanın ortak yazarıdır. Narasimhan, ayrıca Princeton’un doğal dil işleme (NLP) grubunun liderlik üyesi ve OpenAI’de ziyaretçi araştırma bilimcisi olarak orijinal GPT dil modeline katkıda bulunmuştur.

“Bu dil modelleri internet üzerinde eğitildiğinden, bu bilgiyi daha verimli ve kapsamlı bir şekilde alma yolu olarak düşünülebilir” dedi Narasimhan.

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

Simüle Robot Öğrenme Deneyleri

Ekibin, simüle robotic öğrenme deneyleri için 27 araçtan oluşan bir eğitim seti seçildi ve araçlar bir balta ile sünger arasında değişiyordu. Robotic kol, dört farklı görev verildi: aracı itmek, aracı kaldırmak, silindirik bir nesneyi masanın üzerinde süpürmek veya bir çivi çakmak.

Ekibin, dil bilgisi ile ve olmadan makine öğrenimi yaklaşımlarını kullanarak bir dizi politika geliştirildi. Politikaların performansları, eşleştirilmiş açıklamalara sahip ayrı bir test setinde 9 araçla karşılaştırıldı.

Yaklaşım, meta-öğrenme olarak adlandırılmaktadır ve robotun her görevde öğrenme yeteneğini geliştirmektedir.

Narasimhan’a göre, robot yalnızca her aracı kullanmayı öğrenmekle kalmıyor, aynı zamanda “her bir aracın açıklamalarını anlamaya çalışıyor, böylece 101. aracı gördüğünde yeni aracı kullanmayı öğrenmesi daha hızlı oluyor” dedi.

Deneylerin çoğunda, dil bilgisi, robota yeni araçları kullanma yeteneği için önemli avantajlar sağladı.

Allen Z. Ren, Majumdar’ın grubundaki bir doktora öğrencisi ve araştırmanın baş yazarıdır.

“Dil eğitimi ile, crowbar’ın uzun ucunda kavramayı öğrenir ve kıvrımlı yüzeyi kullanarak şişenin hareketini daha iyi kısıtlar” dedi Ren. “Dil olmadan, crowbar’ı kıvrımlı yüzeye yakın kavramış ve kontrol etmesi daha zordu” dedi.

“Genel hedef, özellikle makine öğrenimi ile eğitilen robotik sistemlerin yeni ortamlara genellemesini sağlamak” dedi Majumdar.