محققان MIT روش سریع و بهتری برای آموزش ربات‌های همه‌کاره ابداع کردند

محققان MIT با الهام از مدل‌های زبان بزرگ مانند GPT-4 برای آموزش ربات‌های چندوظیفه‌ای، روش جدیدی را توسعه دادند که مقادیر زیادی از داده‌های ناهمگن را از منابع مختلف ترکیب می‌کند و می‌تواند برای آموزش هر روباتی در طیف وسیعی از وظایف مورد استفاده قرار گیرد.

در فیلم های علمی تخیلی می بینیم که یک ربات می تواند کارهای مختلف خانه را انجام دهد، با شما بیرون برود و در خرید به شما کمک کند. اما در واقعیت، آموزش یک ربات جهانی هنوز یک چالش بزرگ است. اکنون، TechCrunch گزارش می دهد، محققان MIT معماری جدیدی برای مربیان ربات به نام «ترانسفورماتورهای پیش آموزشی ناهمگن» (HPTs) ایجاد کرده اند که می تواند ما را یک قدم به آن ربات های همه کاره در فیلم ها نزدیک تر کند.

روش محققان MIT برای آموزش روبات های جهانی

در حال حاضر، یکی از روش های مرسوم برای آموزش ربات، یادگیری تقلیدی است. یعنی انسان اعمالی را انجام می دهد و سپس ربات از طریق مدل هوش مصنوعی حرکات انسان را تقلید کرده و یاد می گیرد. از آنجایی که این روش از داده‌های کمی استفاده می‌کند، ربات‌ها معمولاً وقتی در یک محیط جدید قرار می‌گیرند یا وظیفه جدیدی به آنها داده می‌شود، تقریباً به بن‌بست می‌رسند.

محققان از مدل‌های زبان بزرگ مانند GPT-4 برای توسعه رویکرد بهتر الهام گرفته‌اند. این مدل‌ها با استفاده از حجم زیادی از داده‌های زبانی از قبل آموزش داده شده‌اند، سپس داده‌های خاصی برای سفارشی‌سازی مدل داده می‌شوند. پیش‌آموزش با داده‌های بسیار بزرگ به مدل‌ها کمک می‌کند تا وظایف مختلف را به خوبی انجام دهند.

البته در مدل های بزرگ زبان و چت بات ها فقط با جملات سروکار داریم. اما در مورد روبات ها، داده های فرازبانی و ناهمگن دیگری مورد نیاز است. همچنین، اگر می‌خواهید ربات خود را به همان روش با داده‌های قبلی زیاد آموزش دهید، باید از معماری متفاوتی استفاده کنید.

داده های رباتیک به اشکال مختلفی ارائه می شوند. از تصاویر دوربین گرفته تا دستورالعمل های زبان و نقشه های مکان. در عین حال، هر ربات از نظر مکانیکی منحصر به فرد است. هر کدام بازوها و حسگرهای متفاوتی دارند. اکنون، با معماری جدید HPT، طیف گسترده ای از داده های آموزشی ربات را می توان ادغام و به ربات منتقل کرد. هنگامی که محققان HPT را آزمایش کردند، دریافتند که عملکرد ربات در مقایسه با روش قدیمی بیش از 20 درصد بهبود یافته است.

محققان MIT می گویند رویای آنها یک مغز روبات جهانی است که می توانید آن را دانلود کرده و به ربات خود منتقل کنید و به عنوان ربات جهانی خود از آن استفاده کنید.