ربات خدمتکار در راه است؛ از مرتب کردن اتاق تا شستن لباس‌ها

به گزارش دیتاسنتر من و به نقل از ایندیپندنت، این محققان پیش از به‌کارگیری تایدی‌بات، به سراغ «پایگاه‌داده محک‌زنی متن‌مبنایی» رفتند که کاربران فرمان‌های معینی در آن نوشته بودند. سپس از «مدل‌های زبانی بزرگ» (LLMs) و مشخصا «جی‌پی‌تی-۳» خواستند از این دستورها پیروی کنند.

برخی از فرمان‌های کاربران در این پایگاه داده عبارتند از «پیراهن‌های زرد برود درون کشو، پیراهن‌‌های تیره برود داخل کمد، و جوراب‌های سفید برود درون کشو». مدل‌های ال‌ال‌ام با خلاصه‌سازی این مثال‌های مشخص، آن‌ها را به «پوشاک روشن درون کشو و پوشاک تیره درون کمد برود» تبدیل کرد.

در مجموع ۲۴ وضعیت احتمالی برای چهار اتاق مختلف بود که در هر یک، باید اشیا در دو تا پنج جای بالقوه قرار می‌گرفت. برای اینکه محققان راحت‌تر بتوانند مهارت‌های به‌یادسپاری و قابلیت پیروی از فرمان‌ها را در مدل‌های ال‌ال‌ام بررسی کنند، برای اشیا توصیف «دیده» یا «ندیده» نیز گذاشتند. موفقیت این رهیافت هم بر اساس تعداد اشیای قرارگرفته در جای درست تعریف شده بود.

در نهایت، با کاری که مدل‌های ال‌ال‌ام‌ روی پایگاه داده محک‌زنی انجام دادند «برای هر کاربر مشخصی، قوانین کلی جای اشیا به دست آمد».

این راهبرد در مورد شستن لباس‌ها نیز به کار رفت و محققان فرمان‌هایی مانند «لباس را درون ماشین لباس‌شویی بگذار» به مدل‌های ال‌ال‌ام دادند.

محققان همچنین خاطرنشان کردند که طبق شواهد به‌دست‌آمده، مدل‌های ال‌ال‌ام «مبنای همسنجی مطلوبی» برای «توانایی برآورد نیازهای عمومی» در ربات‌های شخصی‌اند.

طبق نتایج مندرج در این مقاله، این ربات «در تمام وضعیت‌های احتمالی با دقت ۹۱.۲ درصد روی اشیای ندیده» عمل کرد.

محققان این رهیافت را با تایدی‌بات ادامه دادند و طبق یافته‌های آن‌ها، این روات «موفق شد ۸۵ درصد اشیا را در وضعیت‌های احتمالی آزمایشی در دنیای واقعی، با موفقیت جابه‌جا کند»

در این مقاله آمده است که پیش از اینکه تایدی‌بات نظافت را شروع کند، کاربران باید «چند نمونه جابه‌جایی اشیا مشخص ارائه دهند»، سپس این کارها به مدل‌های ال‌ال‌ام انتقال می‌یابد و خلاصه‌سازی می‌شود.

پس از آن، «ربات با برداشتن مکرر اشیا، شناسایی آن‌ها و قرار دادنشان در جاهای مقصد، کار نظافت را انجام خواهد داد.»

در سایت رسمی تایدی‌بات چندین ویدیو از کارهای این ربات وجود دارد که در آن لباس‌های کف اتاق را مرتب می‌کند و در لباس‌شویی می‌گذارد. در ویدیو دیگری، این ربات آشغال‌ها را مرتب ‌می‌کند و درون سطل‌های زباله و بازیافت می‌گذارد.

در این وبسایت همچنین خاطرنشان شده است که هنوز باید کارهایی روی تایدی‌بات انجام گیرد تا بتواند از پس انجام دادن راهبردهای هر فرد برای کارهای نظافت برآید.

در این سایت آمده است: «با توجه به اینکه ترجیحات افراد بر اساس پسند شخصی یا پیشینه فرهنگی بسیار متفاوت است، تعیین کردن جای مناسب هر یک از اشیا چالشی کلیدی است. بر فرض، ممکن است فردی ترجیح دهد که لباس‌هایش در کشو قرار گیرد و فرد دیگری دوست داشته باشد ان‌ها را در قفسه‌های لباس بگذارد. هدف ما ساختن سامانه‌هایی است که بتوانند از تعامل قبلی با شخصی خاص و بر اساس چند نمونه، ترجیحات او را دریابند.»

در این سایت همچنین آمده است: «نشان می‌دهیم که ربات‌ها می‌توانند برنامه‌ریزی و ادراک زبان‌بنیاد را با چند قابلیت خلاصه‌سازی مدل‌های ال‌ال‌ام تلفیق کنند تا ترجیحات کلی کاربر را دریابند که به طرز گسترده‌ای در تعامل‌های آتی به کار می‌آیند.»