Νέα προσέγγιση από το MIT Computer Science and Artificial Intelligence Laboratory δείχνει πώς η τεχνητή νοημοσύνη μπορεί να βοηθήσει τα ρομπότ να εκτελούν καθημερινές εργασίες κατανοώντας καλύτερα τις ασαφείς ανθρώπινες οδηγίες και φιλτράροντας τις άσχετες λεπτομέρειες.
Πώς λειτουργεί το σύστημα Masked IRL
Η μέθοδος, που ονομάζεται «Masked Inverse Reinforcement Learning», χρησιμοποιεί δύο διαφορετικά μεγάλα γλωσσικά μοντέλα. Το πρώτο αναλαμβάνει να επεκτείνει και να αποσαφηνίσει τις οδηγίες του χρήστη, βασιζόμενο σε δεδομένα από επιδείξεις. Έτσι, μια φράση όπως «μείνε κοντά» μπορεί να μετατραπεί σε πιο συγκεκριμένη οδηγία, όπως «μείνε κοντά στην επιφάνεια του τραπεζιού».
Στη συνέχεια, ένα δεύτερο μοντέλο αναλύει το περιβάλλον και αποφασίζει ποια στοιχεία είναι σημαντικά για την εκτέλεση της εργασίας. Με μια διαδικασία «μάσκας», αγνοεί τις άσχετες πληροφορίες και κρατά μόνο όσα επηρεάζουν άμεσα την αποστολή, όπως εμπόδια ή τη θέση του αντικειμένου στόχου.
Γιατί είναι σημαντική αυτή η προσέγγιση
Η βασική καινοτομία βρίσκεται στο ότι το ρομπότ δεν προσπαθεί απλώς να αντιγράψει κινήσεις, αλλά να κατανοήσει τον σκοπό πίσω από αυτές. Αυτό μειώνει σημαντικά την ανάγκη για πολλές και λεπτομερείς επιδείξεις από τον άνθρωπο, κάνοντας τη διαδικασία εκπαίδευσης πιο γρήγορη και πρακτική για οικιακά και βιομηχανικά περιβάλλοντα.
Αποτελέσματα σε δοκιμές
Σε πειράματα προσομοίωσης και πραγματικού κόσμου, τα ρομπότ που χρησιμοποιούσαν το Masked IRL κατάφεραν να εκτελούν εργασίες όπως μετακίνηση αντικειμένων γύρω από εμπόδια, καθαρισμό επιφανειών και παράδοση αντικειμένων χωρίς συγκρούσεις. Η ακρίβεια στην κατανόηση των προτιμήσεων των χρηστών αυξήθηκε έως και 15% σε σύγκριση με προηγούμενες μεθόδους, ενώ απαιτήθηκαν σημαντικά λιγότερες επιδείξεις εκπαίδευσης.
Ένα ρομποτικό χέρι, εκπαιδευμένο με μόλις 50 επιδείξεις, κατάφερε να προσαρμοστεί σε νέες εντολές, όπως να μεταφέρει ένα φλιτζάνι αποφεύγοντας έναν υπολογιστή ή να σκουπίσει ένα τραπέζι παραμένοντας κοντά του χωρίς να προκαλεί παρεμβολές.
Μελλοντικές προοπτικές
Οι ερευνητές σχεδιάζουν να επεκτείνουν το σύστημα με χρήση καμερών, ώστε τα ρομπότ να μπορούν να «βλέπουν» το περιβάλλον τους και να αναγνωρίζουν αυτόματα ποια αντικείμενα είναι σημαντικά για κάθε εργασία. Αυτό θα τα φέρει ένα βήμα πιο κοντά σε πιο φυσική και ασφαλή συνεργασία με τον άνθρωπο.