Grandes modelos lingüísticos enseñarán a los robots mascota a corregir errores por sí solos
MIT
Investigadores del Instituto Tecnológico de Massachusetts (MIT) han desarrollado un nuevo enfoque que permite a los robots domésticos utilizar grandes modelos de lenguaje (LLM) para autocorregir errores durante las tareas sin necesidad de intervención humana.
Esto es lo que sabemos
Tradicionalmente, los robots agotan sus capacidades programadas cuando se enfrentan a problemas, tras lo cual requieren la ayuda de un operario. Sin embargo, en casa, cada cambio en el entorno puede interferir en el rendimiento del robot, obligándole a reiniciar la tarea desde el principio.
La nueva técnica, que se presentará en mayo en la Conferencia Internacional sobre Representaciones de Aprendizaje (ICLR), utiliza LLM para dividir las tareas de demostración en subtareas más pequeñas. Esto permite al robot reconocer automáticamente dónde se encuentra y planificar de forma autónoma nuevas acciones en caso de fallo.
- "Los LLM tienen una forma de decirte cómo hacer cada paso de una tarea, en lenguaje natural. La demostración continua de un humano es la plasmación de esos pasos, en el espacio físico. Queríamos conectar ambas cosas para que un robot supiera automáticamente en qué fase de una tarea se encuentra y pudiera replanificarla y recuperarla por sí solo", explica Tsun-Hsuan Wang, estudiante de doctorado.
En los experimentos, se mostró al robot realizando la tarea de transferir pelotas de un contenedor a otro. Los investigadores introdujeron pequeñas perturbaciones, como desviar al robot de su trayectoria o sacar las bolas de su cuchara. Gracias al LLM, el robot era capaz de corregir sus acciones y reanudar su trabajo sin volver a empezar.
- "Con nuestro método, cuando el robot comete errores, no necesitamos pedir a los humanos que programen ni hacer demostraciones adicionales de cómo recuperarse de los fallos", señaló Wang.
Los científicos esperan que la aplicación del LLM a la robótica doméstica supere uno de los principales obstáculos para la adopción masiva de este tipo de dispositivos.
Fuente: TechCrunch
