Grote taalmodellen zullen robots voor gezelschapsdieren leren om zelf fouten te corrigeren

Onderzoekers van het Massachusetts Institute of Technology (MIT) hebben een nieuwe benadering ontwikkeld waarmee thuisrobots grote taalmodellen (LLM's) kunnen gebruiken om fouten tijdens taken zelf te corrigeren zonder dat menselijke tussenkomst nodig is.

Dit is wat we weten

Traditioneel raken robots uitgeput van hun geprogrammeerde mogelijkheden wanneer ze met problemen worden geconfronteerd, waarna ze hulp van een operator nodig hebben. Thuis kan echter elke verandering in de omgeving de prestaties van de robot verstoren, waardoor deze gedwongen wordt de taak vanaf het begin opnieuw te beginnen.

De nieuwe techniek, die zal worden gepresenteerd op de International Conference on Learning Representations (ICLR) in mei, gebruikt LLM om demonstratietaken op te splitsen in kleinere subtaken. Hierdoor kan de robot automatisch herkennen waar hij staat en autonoom verdere acties plannen in geval van fouten.

-"LLM's hebben een manier om in natuurlijke taal te vertellen hoe je elke stap van een taak uitvoert. De continue demonstratie van een mens is de belichaming van die stappen, in de fysieke ruimte. Wij wilden deze twee met elkaar verbinden, zodat een robot automatisch weet in welke fase van een taak hij zich bevindt en in staat is om zelfstandig opnieuw te plannen en te herstellen", aldus promovendus Tsun-Hsuan Wang.

In de experimenten werd de robot getoond terwijl hij de taak uitvoerde om ballen van de ene naar de andere container te verplaatsen. De onderzoekers introduceerden kleine verstoringen, zoals de robot uit zijn koers gooien of ballen uit zijn lepel stoten. Dankzij de LLM kon de robot zijn acties corrigeren en zijn werk hervatten zonder opnieuw te beginnen.

-"Met onze methode hoeven we, wanneer de robot fouten maakt, geen mensen te vragen om te programmeren of extra demonstraties te geven over hoe te herstellen van fouten," merkte Wang op.

De wetenschappers verwachten dat de toepassing van LLM in thuisrobotica een van de belangrijkste obstakels voor massale toepassing van dergelijke apparaten uit de weg zal ruimen.

Bron: TechCrunch