Posts Recentes:

Google Chrome muda a forma de acessar Favoritos, Lista de Leitura e Histórico

Surfando na onda da personalização, o Google Chrome...

IA da Samsung chegará ao Galaxy S21 e outros modelos em breve

Depois de lançar seus novos recursos de inteligência...

Gmail prepara ‘Assinaturas’ para dar fim à bagunça na caixa de entrada

Cansado de ter a caixa de entrada do...

Grandes modelos de linguagem podem ajudar robôs domésticos a se recuperarem de erros sem ajuda humana


Existem inúmeras razões pelas quais os robôs domésticos tiveram pouco sucesso após o Roomba. Preço, praticidade, formato e mapeamento contribuíram para fracasso após fracasso. Mesmo quando algumas ou todas estas questões são abordadas, permanece a questão do que acontece quando um sistema comete um erro inevitável.

Este também tem sido um ponto de atrito a nível industrial, mas as grandes empresas têm os recursos para resolver os problemas à medida que surgem. Não podemos, contudo, esperar que os consumidores aprendam a programar ou a contratar alguém que possa ajudar sempre que surgir um problema. Felizmente, este é um excelente caso de uso para grandes modelos de linguagem (LLMs) no espaço da robótica, conforme exemplificado por uma nova pesquisa do MIT.

Um estudo que será apresentado na Conferência Internacional sobre Representações de Aprendizagem (ICLR) em maio pretende trazer um pouco de “senso comum” ao processo de correção de erros.

“Acontece que os robôs são excelentes imitadores”, explica a escola. “Mas, a menos que os engenheiros também os programem para se ajustarem a todos os solavancos e empurrões possíveis, os robôs não sabem necessariamente como lidar com estas situações, a não ser que comecem a sua tarefa do topo.”

Tradicionalmente, quando um robô encontra problemas, esgota as suas opções pré-programadas antes de necessitar de intervenção humana. Este é um desafio específico em um ambiente não estruturado como uma casa, onde qualquer número de mudanças no status quo pode impactar negativamente a capacidade de funcionamento de um robô.

Os pesquisadores por trás do estudo observam que, embora a aprendizagem por imitação (aprender a realizar uma tarefa através da observação) seja popular no mundo da robótica doméstica, muitas vezes ela não consegue explicar as inúmeras pequenas variações ambientais que podem interferir na operação regular, exigindo assim um sistema para recomeçar da estaca zero. A nova investigação aborda esta questão, em parte, dividindo as demonstrações em subconjuntos mais pequenos, em vez de as tratar como parte de uma acção contínua.

É aqui que os LLMs entram em cena, eliminando a necessidade de o programador rotular e atribuir manualmente as inúmeras subações.

“Os LLMs têm uma maneira de dizer como realizar cada etapa de uma tarefa, em linguagem natural. A demonstração contínua de um ser humano é a personificação dessas etapas, no espaço físico”, diz o estudante Tsun-Hsuan Wang. “E queríamos conectar os dois, para que um robô soubesse automaticamente em que estágio de uma tarefa se encontra e pudesse replanejar e se recuperar por conta própria.”

A demonstração específica apresentada no estudo envolve treinar um robô para colher bolinhas de gude e despejá-las em uma tigela vazia. É uma tarefa simples e repetível para humanos, mas para robôs é uma combinação de várias pequenas tarefas. Os LLMs são capazes de listar e rotular essas subtarefas. Nas demonstrações, os pesquisadores sabotaram a atividade de pequenas maneiras, como tirar o robô do curso e tirar bolinhas de gude da colher. O sistema respondeu corrigindo automaticamente as pequenas tarefas, em vez de começar do zero.

“Com o nosso método, quando o robô comete erros, não precisamos pedir aos humanos para programar ou dar demonstrações extras de como se recuperar de falhas”, acrescenta Wang.

É um método atraente para ajudar a evitar a perda completa do controle.

Últimas

Google Chrome muda a forma de acessar Favoritos, Lista de Leitura e Histórico

Surfando na onda da personalização, o Google Chrome...

IA da Samsung chegará ao Galaxy S21 e outros modelos em breve

Depois de lançar seus novos recursos de inteligência...

Gmail prepara ‘Assinaturas’ para dar fim à bagunça na caixa de entrada

Cansado de ter a caixa de entrada do...

Atualização da Busca não afeta os sistemas de indexação

Em meio a tantas dúvidas e questionamentos sobre...

Assine

spot_img

Veja Também

Google Chrome muda a forma de acessar Favoritos, Lista de Leitura e Histórico

Surfando na onda da personalização, o Google Chrome...

IA da Samsung chegará ao Galaxy S21 e outros modelos em breve

Depois de lançar seus novos recursos de inteligência...

Gmail prepara ‘Assinaturas’ para dar fim à bagunça na caixa de entrada

Cansado de ter a caixa de entrada do...

Atualização da Busca não afeta os sistemas de indexação

Em meio a tantas dúvidas e questionamentos sobre...

Google One anuncia o fim do serviço de VPN

A VPN do Google One, serviço de rede...
spot_img

Google Chrome muda a forma de acessar Favoritos, Lista de Leitura e Histórico

Surfando na onda da personalização, o Google Chrome está mudando a forma como acessamos funções como Favoritos, Lista de Leitura e Histórico....

IA da Samsung chegará ao Galaxy S21 e outros modelos em breve

Depois de lançar seus novos recursos de inteligência artificial, o Galaxy AI, a Samsung finalmente atendeu aos pedidos dos fãs e confirmou que...

Gmail prepara ‘Assinaturas’ para dar fim à bagunça na caixa de entrada

Cansado de ter a caixa de entrada do Gmail abarrotada por e-mails de assinaturas que você nem sequer lê? Se sim, prepare-se para...