MIT
Исследователи из Массачусетского технологического института (MIT) разработали новый подход, позволяющий домашним роботам использовать большие языковые модели (LLM) для самостоятельного исправления ошибок во время выполнения задач, не требуя вмешательства человека.
Что известно
Традиционно роботы, столкнувшись с проблемами, исчерпывают свои запрограммированные возможности, после чего требуют помощи оператора. Однако в домашних условиях каждое изменение окружающей обстановки может помешать работе робота, вынуждая его перезапускать задачу с самого начала.
Новая методика, которая будет представлена на Международной конференции по изучению представлений (ICLR) в мае, использует LLM для разбиения демонстрационных задач на более мелкие подзадачи. Это позволяет роботу автоматически определять, на каком этапе он находится, и самостоятельно планировать дальнейшие действия в случае сбоев.
“У LLM есть способ рассказать на естественном языке, как выполнить каждый шаг задачи […] Мы хотели соединить это с физическими демонстрациями человека, чтобы робот мог понимать свой прогресс и восстанавливаться самостоятельно”, — сказал аспирант Цун-Хсуан Ванг (Tsun-Hsuan Wang).
В ходе экспериментов роботу демонстрировалось выполнение задачи по пересыпанию шариков из одной емкости в другую. Исследователи вносили небольшие помехи, например, сбивали робота с курса или выбивали шарики из его ложки. Благодаря LLM робот был способен корректировать свои действия и возобновлять работу, не начиная заново.
“Когда робот совершает ошибки, нам не нужно программировать или давать дополнительные демонстрации того, как восстанавливаться после неудач”, — отметил Ванг.
Ученые рассчитывают, что применение LLM в домашней робототехнике позволит преодолеть одно из ключевых препятствий на пути массового распространения таких устройств.
