У разных людей, как правило, разные предпочтения, когда дело касается уборки. Исследователи из Принстонского и Стэнфордского университетов (США) решили персонализировать такую помощь с помощью больших языковых моделей (LLM), сообщает TechXplore. Их подход, представлен в статье, пока опубликованной на сервере препринтов arXiv. Робота, который умеет подметать полы, собирать предметы и убирать их на место, назвали TidyBot.
«Чтобы робот мог эффективно персонализировать физическую помощь, он должен изучить пользовательские предпочтения», — написали авторы.
Они использовали возможности обобщения LLM. Эти модели могут обобщать информацию или предоставлять общие рекомендации после обучения на относительно небольших наборах данных или примерах сценариев. Например, пользователь может ввести: «Одежда красного цвета кладется в ящик, а белая — в шкаф», и робот поймет и послушается.
Проверочные тесты показали, что TidyBot все понимает и исполняет в 91,2% случаев. Так что, большие языковые модели ИИ типа ChatGPT могут не только отвечать на вопросы, но и обучать роботов.
ChatGPT разработал своего первого робота (при помощи людей-ассистентов)
Создана электронная кожа, которая может чувствовать прикосновение и передавать в мозг
В России создали робота-агронома и назвали его botANNIC
Робот научился предсказывать поведение человека, наблюдая за ним