Η επόμενη μεγάλη επανάσταση στη ρομποτική δεν αφορά μόνο την κίνηση, αλλά την κατανόηση. Ένα νέο σύστημα τεχνητής νοημοσύνης έρχεται να γεφυρώσει το χάσμα ανάμεσα στη γλώσσα και τη δράση, επιτρέποντας στα ρομπότ να αντιλαμβάνονται ανθρώπινες εντολές και να τις εκτελούν σε πραγματικό χρόνο, με εντυπωσιακή ακρίβεια.
Το καινοτόμο αυτό πλαίσιο αναπτύχθηκε από ερευνητές του Huawei Noah’s Ark Lab, του Technical University of Darmstadt και του ETH Zurich, και βασίζεται στη σύνδεση μεγάλων γλωσσικών μοντέλων με το Robot Operating System (ROS), μια ευρέως χρησιμοποιούμενη πλατφόρμα ανοιχτού κώδικα για τον έλεγχο ρομποτικών συστημάτων.
Η ουσία της τεχνολογίας βρίσκεται στην ικανότητα μετατροπής φυσικής γλώσσας σε συγκεκριμένες ενέργειες. Για παράδειγμα, μια απλή εντολή όπως «πάρε το πράσινο αντικείμενο και τοποθέτησέ το στο ράφι» δεν απαιτεί πλέον εξειδικευμένο προγραμματισμό. Το σύστημα αναλύει τη φράση, τη διασπά σε μικρότερα βήματα και τα μετατρέπει σε εκτελέσιμες εντολές που το ρομπότ μπορεί να υλοποιήσει άμεσα.
Η καινοτομία, όμως, δεν σταματά εκεί. Όπως αναφέρει το interestingengineering.com, το σύστημα συνδυάζει τη συλλογιστική ικανότητα των μεγάλων γλωσσικών μοντέλων με την πρακτική εκτέλεση μέσω του ROS, δημιουργώντας ένα «ευφυές ενδιάμεσο» που αποφασίζει πώς θα υλοποιηθεί κάθε οδηγία. Μάλιστα, υποστηρίζει δύο διαφορετικές προσεγγίσεις: είτε δημιουργεί μικρά αποσπάσματα κώδικα που ελέγχουν άμεσα το ρομπότ, είτε χρησιμοποιεί δομημένα «δέντρα συμπεριφοράς», επιτρέποντας προσαρμογή σε απρόβλεπτες συνθήκες.
Αυτό σημαίνει ότι τα ρομπότ δεν εκτελούν απλώς εντολές, μαθαίνουν. Μέσω ανατροφοδότησης από το περιβάλλον ή τον χρήστη, μπορούν να βελτιώνουν συνεχώς την απόδοσή τους, χωρίς να απαιτείται εκ νέου προγραμματισμός. Η δυνατότητα αυτή ανοίγει τον δρόμο για εφαρμογές σε σπίτια, χώρους εργασίας αλλά και δημόσια περιβάλλοντα, όπου οι ανάγκες αλλάζουν διαρκώς.
Οι δοκιμές σε πραγματικές συνθήκες απέδειξαν την αποτελεσματικότητα του συστήματος, με τα ρομπότ να ολοκληρώνουν επιτυχώς σύνθετες εργασίες και να προσαρμόζονται σε διαφορετικά σενάρια. Η ευελιξία και η επεκτασιμότητα του πλαισίου θεωρούνται από τα μεγαλύτερα πλεονεκτήματά του.
Η μελέτη, που δημοσιεύθηκε στο Nature Machine Intelligence, σηματοδοτεί ένα σημαντικό βήμα προς ένα μέλλον όπου η επικοινωνία με τις μηχανές θα γίνεται τόσο φυσικά όσο μια απλή συνομιλία. Και ίσως, πολύ σύντομα, το να «μιλάμε» στα ρομπότ θα είναι τόσο αυτονόητο όσο το να τους δίνουμε εντολές με το πάτημα ενός κουμπιού.