De grands modèles de langage apprendront aux robots de compagnie à corriger eux-mêmes leurs erreurs
MIT
Des chercheurs du Massachusetts Institute of Technology (MIT) ont mis au point une nouvelle approche qui permet aux robots domestiques d'utiliser de grands modèles de langage (LLM) pour corriger eux-mêmes les erreurs pendant les tâches sans nécessiter d'intervention humaine.
Voici ce que nous savons
Traditionnellement, les robots dépassent leurs capacités programmées lorsqu'ils sont confrontés à des problèmes, après quoi ils ont besoin de l'aide d'un opérateur. Cependant, à la maison, chaque changement dans l'environnement peut interférer avec les performances du robot, l'obligeant à recommencer la tâche depuis le début.
La nouvelle technique, qui sera présentée à la conférence internationale sur les représentations d'apprentissage (ICLR) en mai, utilise le LLM pour décomposer les tâches de démonstration en sous-tâches plus petites. Cela permet au robot de reconnaître automatiquement où il en est et de planifier de manière autonome d'autres actions en cas d'échec.
-Les LLM ont un moyen de vous dire comment faire chaque étape d'une tâche, en langage naturel. La démonstration continue d'un humain est l'incarnation de ces étapes, dans l'espace physique. Nous voulions relier les deux, afin qu'un robot sache automatiquement à quelle étape il se trouve dans une tâche, et qu'il soit capable de se replanifier et de se rétablir tout seul", explique Tsun-Hsuan Wang, étudiant en doctorat.
Lors des expériences, le robot a été montré en train de transférer des balles d'un conteneur à un autre. Les chercheurs ont introduit de petites perturbations, comme le fait de faire dévier le robot de sa trajectoire ou de faire tomber les balles de sa cuillère. Grâce au LLM, le robot a pu corriger ses actions et reprendre son travail sans avoir à recommencer.
-Avec notre méthode, lorsque le robot commet des erreurs, nous n'avons pas besoin de demander aux humains de programmer ou de faire des démonstrations supplémentaires sur la façon de se remettre d'un échec", note Wang.
Les scientifiques pensent que l'application du LLM à la robotique domestique permettra de surmonter l'un des principaux obstacles à l'adoption massive de ce type d'appareils.
Source : TechCrunch TechCrunch
