详细内容或原文请订阅后点击阅览
设计家用机器人，使其具备一点常识
借助大型语言模型，麻省理工学院的工程师们让机器人能够在失误后自我纠正并继续工作。
来源:MIT新闻 _机器人从擦干净溢出物到端上食物，机器人正在接受训练以执行越来越复杂的家务。许多这样的家庭机器人学员正在通过模仿来学习；它们被编程为模仿人类身体引导它们完成的动作。
事实证明，机器人是优秀的模仿者。但除非工程师还对它们进行编程以适应所有可能的碰撞和推挤，否则机器人不一定知道如何处理这些情况，除非从头开始执行任务。
现在，麻省理工学院的工程师们正致力于让机器人在面对偏离训练路径的情况时拥有一些常识。他们开发了一种方法，将机器人运动数据与大型语言模型或 LLM 的“常识知识”联系起来。
他们的方法使机器人能够将许多给定的家务任务逻辑地解析为子任务，并物理地调整子任务中的中断，以便机器人可以继续前进，而不必返回并从头开始执行任务 - 并且工程师不必在此过程中明确编程修复每个可能的故障。
“模仿学习是实现家用机器人的主流方法。但如果机器人盲目模仿人类的运动轨迹，微小的错误就会积累并最终破坏其余的执行，”麻省理工学院电气工程与计算机科学系 (EECS) 的研究生 Yanwei Wang 说。“通过我们的方法，机器人可以自我纠正执行错误并提高整体任务成功率。”
Wang 和他的同事在他们将在 5 月的国际学习表征会议 (ICLR) 上展示的一项研究中详细介绍了他们的新方法。该研究的合著者包括 EECS 研究生 Tsun-Hsuan Wang 和 Jiayuan Mao、麻省理工学院航空航天系 (AeroAstro) 博士后 Michael Hagenow 以及麻省理工学院航空航天系 H.N. Slater 教授 Julie Shah。