Nowy algorytm od MIT

Nawet najbardziej zaawansowane roboty nie radzą sobie zbyt dobrze z interakcją z obiektami i środowiskami przeznaczonymi dla człowieka. Naukowcy z MIT próbują to zmienić. Zespół z MIT wykorzystuje duże modele językowe (LLM), aby zapewnić robotom wiedzę niezbędną do pomocy w domu.

Roboty można zaprogramować tak, aby wykonywały dowolne zadanie mieszczące się w ich fizycznych ograniczeniach i wykonają je doskonale za każdym razem, o ile środowisko, w którym pracują będzie relatywnie statyczne. Zwykle nie radzą sobie dobrze z nieoczekiwanymi sytuacjami.

Inżynierowie z MIT pracujący nad nowym projektem znaleźli sposób na połączenie fizycznego ruchu robota z modelami sztucznej inteligencji, które do tej pory były wykorzystywane do generowania treści. Takie podejście pozwala robotowi podzielić zadanie na podzadania. Działa krok po kroku i pozwala dostosować się do nieoczekiwanych wydarzeń bez konieczności zaczynania od nowa. Co ważne, projektanci nie muszą programować robotów z poprawkami na każdą możliwą ewentualność.

Większość modeli LLM korzysta ze swoich bibliotek danych do mapowania połączeń między słowami, co pozwala im generować nowe treści, kod komputerowy lub cokolwiek innego, do czego zostały przeszkolone. W badaniu MIT prowadzonym przez studenta Yanwei Wanga słowa zastąpiono podzadaniami. System został przetestowany przy użyciu ramienia robota próbującego przerzucać kulki z jednej miski do drugiej. LLM może wygenerować sekwencję ruchów, która jest mapowana na fizyczne ruchy robota.

Algorytm może nauczyć się identyfikować podzadania na podstawie położenia ramienia w przestrzeni. Zespół najpierw poprowadził robota przez zadanie nabierania, a następnie użył wcześniej przeszkolonego narzędzia LLM do sporządzenia listy podzadań. Algorytm był w stanie dopasować je do fizycznych ruchów robota. Po wykonaniu tej czynności badacze pozwolili mu zająć się nauką zbierania i przerzucania kulek do innej miski. Kiedy robot już nauczył się tej czynności, zaczęli przerywać ruch ramiania i wytrącać je z równowagi. Tradycyjne algorytmy sterowania musiałyby wrócić do znanego punktu początkowego, ale robot zasilany technologią LLM był w stanie zrozumieć, gdzie się znajdował podczas wystąpienia każdego zakłócenia i mógł po prostu kontynuować pracę w miejscu, w którym została przerwana.

Wang zauważa, że praca ta może pomóc w stworzeniu asystentów domowych, którzy będą potrafili dostosować się do otoczenia i lepiej radzić sobie ze skomplikowanym środowiskiem.

(rr)