Store sprogmodeller skal lære kæledyrsrobotter at rette fejl på egen hånd

Af : Bohdan Kaminskyi | 26.03.2024, 19:53

MIT

Forskere ved Massachusetts Institute of Technology (MIT) har udviklet en ny tilgang, der gør det muligt for hjemmerobotter at bruge store sprogmodeller (LLM) til selv at korrigere fejl under opgaver uden at kræve menneskelig indgriben.

Her er, hvad vi ved

Traditionelt løber robotter tør for deres programmerede evner, når de står over for problemer, hvorefter de har brug for operatørens hjælp. Men i hjemmet kan enhver ændring i miljøet forstyrre robottens præstation og tvinge den til at genstarte opgaven fra begyndelsen.

Den nye teknik, som vil blive præsenteret på International Conference on Learning Representations (ICLR) i maj, bruger LLM til at opdele demonstrationsopgaver i mindre delopgaver. Dette gør det muligt for robotten automatisk at genkende, hvor den står, og selvstændigt planlægge yderligere handlinger i tilfælde af fejl.

-"LLM'er har en måde at fortælle dig, hvordan du skal udføre hvert trin i en opgave, på et naturligt sprog. Et menneskes kontinuerlige demonstration er legemliggørelsen af disse trin i det fysiske rum. Og vi ønskede at forbinde de to, så en robot automatisk ville vide, hvor den er i en opgave, og være i stand til at genplanlægge og komme sig på egen hånd," siger ph.d.-studerende Tsun-Hsuan Wang.

I eksperimenterne blev robotten vist i færd med at overføre bolde fra en beholder til en anden. Forskerne introducerede små forstyrrelser, såsom at smide robotten ud af kurs eller slå bolde ud af dens ske. Takket være LLM var robotten i stand til at korrigere sine handlinger og genoptage sit arbejde uden at starte forfra.

-"Med vores metode behøver vi ikke at bede mennesker om at programmere eller give ekstra demonstrationer af, hvordan man kommer sig over fejl, når robotten laver fejl," bemærkede Wang.

Forskerne forventer, at anvendelsen af LLM i hjemmerobotteknologi vil overvinde en af de største forhindringer for masseanvendelse af sådanne enheder.

Kilde: TechCrunch