طور باحثو معهد ماساتشوستس للتكنولوجيا نموذجًا جديدًا لتدريب الروبوت ، وهو محول غير متجانس قبل التدريب (HPT) ، مصمم للتغلب على المشكلة التي تفيد بأن التعلم التقليدي التقليدي عرضة للفشل في مواجهة التغييرات البيئية والتحديات الجديدة. يدمج هذا النموذج البيانات من أجهزة استشعار وبيئات مختلفة ويستخدم بنية محولات قوية للتدريب ، وبالتالي تحسين القدرة على التكيف مع الروبوت في مجموعة متنوعة من المواقف المعقدة. يأمل فريق البحث في تحقيق تقدم اختراق في استراتيجيات الروبوت من خلال هذه الطريقة ، تمامًا مثل نماذج اللغة الكبيرة ، لإعطاء الروبوتات التعلم والقدرة على التكيف.
يقوم فريق Research Team بتدريب الروبوتات باستخدام بنيات المحولات لتحسين قدرتها على التكيف من خلال دمج أجهزة استشعار مختلفة وبيانات بيئية. يمكن للمستخدمين تخصيص تصميم الروبوت والتكوين والمهام ، وسيتم تدريب النموذج على أساس الإدخال. تمول البحث جزئيًا من قبل معهد تويوتا للأبحاث ، استثماره المستمر في تعلم الروبوتات وشراكته مع بوسطن ديناميات. يعتقد الباحثون أنه مع توسيع نطاق النموذج ، سيتم تحقيق اختراق كبير في الاستراتيجية الآلية ، تمامًا مثل نجاح نماذج اللغة الكبيرة. على الرغم من أنه لا يزال في مراحله المبكرة ، إلا أن فريق البحث واثق في المستقبل ويلتزم بتطوير دماغ روبوت عالمي لجعل الاستخدام والنشر أسهل.
يمكن للمستخدمين إدخال تصميم الروبوت والتكوين وما يريدون القيام به ، ثم تدريب الروبوت مع النموذج الجديد. يقول الباحثون إن هذا النهج يمكن أن يمكّن الاختراقات في الاستراتيجيات الآلية ، تمامًا مثل نماذج اللغة الكبيرة.
جزء من تمويل هذه الدراسة كان من معهد أبحاث تويوتا. في العام الماضي ، أظهر معهد أبحاث تويوتا طريقة لتدريب الروبوتات بين عشية وضحاها في TechCrunch Disrupt. في الآونة الأخيرة ، وصلت الشركة إلى شراكة بارزة تجمع بين أبحاث التعلم الروبوتات مع أجهزة Boston Dynamics.
وقال ديفيد هيلد ، أستاذ مشارك في جامعة كارنيجي ميلون: "حلمنا هو أن يكون لديك دماغ روبوت عالمي يمكنك تنزيله واستخدامه دون أي تدريب". نماذج اللغة. "
يمثل هذا البحث تقدمًا مهمًا في مجال التدريب على الروبوت ، ووضع الأساس لبناء روبوتات أكثر ذكاءً وأكثر قابلية للتكيف في المستقبل ، وتبسدت اختراقًا جديدًا في تكنولوجيا الروبوتات. من خلال الجهود المستمرة والابتكار ، نعتقد أن الروبوتات ستكون قادرة على خدمة البشر بشكل أفضل في المستقبل.