Najnovije vijesti
Adios

MIT-ov FLEX uči robote razumjeti smisao naredbi

Platforma FLEX, razvijena na MIT-u, omogućuje robotima da iz prirodnih jezičnih naredbi izvedu šire značenje. Studija će biti predstavljena na godišnjoj Konferenciji o učenju robota.

MIT-ov FLEX uči robote razumjeti smisao naredbi
Ilustracija: Adios

Adios

Članak

Roboti uskoro neće morati dobivati svako pravilo pojedinačno. Inženjeri s MIT-a razvili su platformu FLEX koja im iz prirodnih jezičnih naredbi omogućuje da izvedu šire značenje i prilagode kretanje.

Sustav djeluje u tri koraka. Prvo robot dodaje značajku iz okoline na popis stvari koje su važne za zadatak. Zatim veliki jezični model, u ovom slučaju GPT-4o, traži obrasce među tim značajkama i izvodi generalizaciju. Treći korak uklanja objekte koji više nisu prisutni. Cijeli proces traje oko pet sekundi.

Istraživanje je predstavljeno u nekoliko simuliranih scenarija. Dok je robot prenosio šalicu kave preko zatrpanog stola, osoba je upisala „Ne prolij na laptop!”. Robot je iz toga zaključio da treba izbjegavati i ostalu elektroniku, pa je zaobišao i obližnji telefon, iako mu to nitko nije izričito naredio.

Isti obrazac vrijedi i za druga dva zadatka: nošenje svijeće i kugle za kuglanje. Zapovijedi poput „Ostani podalje od hrpe papira” i „Ne ispusti na šalicu” robot je shvatio doslovno, ali i na višoj razini, izbjegavajući zapaljive i lomljive predmete.

Studiju je vodila Andreea Bobu, izvanredna profesorica aeronautike i astronautike na MIT-u, koja u okviru CLEAR Laba razvija autonomne agente koji uče raditi s ljudima. Suautorice su Audrey Lee i Ilia Sucholutsky s Sveučilišta u New Yorku.

„Svaki dom je drukčiji i svatko mari za drukčije stvari, pa nijedan robot ne dolazi spreman znati što je vama važno”, rekla je Bobu. „Ono što me kod FLEX-a veseli jest da to može naučiti iz jedne ili dvije rečenice.”

Nathan Dennler, postdoktorand u MIT-ovom laboratoriju CSAIL, objašnjava da veliki jezični modeli iz internetskih tekstova upijaju zdrav razum. „Ljudi su pisali o telefonu koji je pao u vodu ili prospenoj kavi na računalu, pa model zaključi da tekućine i uređaji znače kvar”, kaže on.

Dosadašnje metode koriste jezik da robotu kažu kako fizički obaviti zadatak. FLEX ide dalje: iz ograničenih naredbi tumači neizrečenu preferenciju osobe. Studija će biti predstavljena na godišnjoj Konferenciji o učenju robota, a mogla bi dovesti do intuitivnijih kućnih i pomoćnih robota.

Partnerske ponude