Η ρομποτική κάνει ένα ακόμη αποφασιστικό βήμα προς το μέλλον, χάρη στα μοντέλα τεχνητής νοημοσύνης πολλαπλών εργασιών, τα οποία υπόσχονται να καταστήσουν τα ρομπότ πιο ευέλικτα, αποδοτικά και, κυρίως, πιο «έξυπνα».
Νέα έρευνα από το Toyota Research Institute (TRI) αναδεικνύει τη δυναμική των λεγόμενων «μεγάλων μοντέλων συμπεριφοράς» (Large Behavior Models – LBM), τα οποία αλλάζουν τον τρόπο με τον οποίο τα ρομπότ μαθαίνουν και εκτελούν σύνθετες εργασίες.
Σε αντίθεση με τα παραδοσιακά μοντέλα που εκπαιδεύονται για μία μόνο εργασία, τα LBM βασίζονται σε εκτεταμένα σύνολα δεδομένων που καλύπτουν εκατοντάδες διαφορετικά σενάρια. Στη συγκεκριμένη μελέτη, οι ερευνητές αξιοποίησαν περίπου 1.700 ώρες δεδομένων εκπαίδευσης και περισσότερες από 500 εργασίες -από απλές κινήσεις «pick-and-place» μέχρι πιο απαιτητικές διαδικασίες, όπως η συναρμολόγηση αντικειμένων ή η χρήση εργαλείων.
Τα αποτελέσματα είναι εντυπωσιακά: τα μοντέλα πολλαπλών εργασιών όχι μόνο αποδίδουν καλύτερα, αλλά μπορούν να επιτύχουν παρόμοια επίπεδα ακρίβειας χρησιμοποιώντας έως και τρεις έως πέντε φορές λιγότερα δεδομένα όταν προσαρμόζονται σε συγκεκριμένες εργασίες. Αυτό μεταφράζεται σε σημαντική μείωση κόστους και χρόνου εκπαίδευσης, δύο από τους βασικούς περιορισμούς στην ανάπτυξη ρομποτικών συστημάτων.
Η προσέγγιση βασίζεται σε μια μορφή μάθησης μέσω μίμησης
Τα ρομπότ «παρατηρούν» ανθρώπινες επιδείξεις και μαθαίνουν να αναπαράγουν τις κινήσεις και τις αποφάσεις. Ωστόσο, εκεί που τα παραδοσιακά μοντέλα συχνά αποτυγχάνουν να προσαρμοστούν σε νέες συνθήκες, τα LBM δείχνουν αξιοσημείωτη ικανότητα γενίκευσης, λειτουργώντας αποτελεσματικά ακόμη και σε περιβάλλοντα που διαφέρουν από εκείνα της εκπαίδευσής τους.
Παρά τα ενθαρρυντικά ευρήματα, όμως, όπως αναφέρει το interestingengineering.com οι προκλήσεις παραμένουν. Τα μοντέλα πολλαπλών εργασιών χωρίς εξειδικευμένη προσαρμογή δεν υπερέχουν πάντα των πιο απλών συστημάτων, ενώ η περιορισμένη ενσωμάτωση γλωσσικής κατανόησης εξακολουθεί να αποτελεί εμπόδιο. Ωστόσο, οι ερευνητές εκτιμούν ότι η επόμενη γενιά μοντέλων, που θα συνδυάζει όραση, γλώσσα και δράση, θα ενισχύσει ακόμη περισσότερο τις δυνατότητες των ρομπότ.