Spis czynności rozwiązaniem dla skomplikowanych zadań robotów
Roboty naśladujące ludzkie ruchy nadal miały problem z rozwiązywaniem zadań przez roboty aż do tego momentu.
W erze, gdy technologia coraz śmielej wkracza do naszych domów, roboty domowe zaczynają przejmować zadania, które do tej pory były domeną człowieka. Od czyszczenia po pomoc w codziennych obowiązkach, maszyny te zaskakują swoją wszechstronnością. Dotychczas, aby nauczyć roboty wykonywać zadania domowe, wykorzystywano metodę naśladowania ludzkich ruchów, które robot miał powielać. Choć roboty okazały się doskonałymi naśladowcami, ich ograniczenie do ściśle zaprogramowanych trajektorii ruchu sprawiało, że w obliczu nieoczekiwanych zdarzeń, takich jak przypadkowe przesunięcia czy szturchnięcia, maszyny te mogły mieć problem z kontynuacją zadania.
Rozwiązanie tego problemu znaleźli inżynierowie z MIT, którzy opracowali kolejną metodę „oduczania maszynowego”, wykorzystującą ogromne modele językowe (LLM) do nauczania robotów zdroworozsądkowego podejścia do wykonywanych zadań. Dzięki tej metodzie roboty mogą teraz analizować różne zadania domowe, dzieląc je na podzadania i adaptując się do nieprzewidzianych zmian w swoim środowisku pracy. Oznacza to, że w przypadku wystąpienia zakłóceń, robot nie musi zaczynać pracy od nowa, lecz może dostosować swoje działanie i kontynuować zadanie, korzystając z wcześniej nieuwzględnionych danych.
Yanwei Wang, doktorant z Wydziału Elektrotechniki i Informatyki MIT, wraz z zespołem pokazuje, że ich metoda pozwala robotom na samodzielną korektę błędów i znacząco poprawia efektywność wykonywania zadań. Ich odkrycie, które zostanie przedstawione na Międzynarodowej Konferencji na temat Reprezentacji Uczenia się (ICLR) w 2024 roku, otwiera nowe możliwości dla robotów domowych, umożliwiając im bardziej niezależne funkcjonowanie w dynamicznym środowisku domowym.
Kluczowym elementem tej technologii jest użycie LLM do stworzenia logicznej listy podzadań, które musi wykonać robot, na przykład podczas przekładania przedmiotów z jednego miejsca na drugie. Naukowcy wykorzystali tę zdolność do logicznego rozumowania modeli językowych, łącząc ją z fizycznymi działaniami robota. Dzięki temu, robot potrafi rozpoznać, w jakiej części zadania się znajduje, i odpowiednio dostosować swoje działania, nawet gdy napotka na przeszkody.
Zespół z MIT zademonstrował skuteczność tej metody na przykładzie robota przekładającego kulki z jednego naczynia do drugiego. Podczas gdy tradycyjne metody wymagałyby od robota zatrzymania się i rozpoczęcia zadania od nowa w przypadku błędu, algorytm opracowany przez naukowców umożliwia maszynie autokorektę i kontynuację zadania bez konieczności interwencji człowieka.
To przełomowe podejście zmienia sposób, w jaki postrzegamy możliwości robotów domowych, pokazując, że mogą one nie tylko wykonywać skomplikowane zadania, ale również dostosowywać się do zmieniających się warunków. Zapewnia to nadzieję na przyszłość, w której roboty będą jeszcze bardziej pomocne w domowych obowiązkach, poprawiając jakość naszego życia dzięki swojej zdolności do nauki i adaptacji.
Szymon Ślubowski