Το Improbable AI Lab του MIT, μια ομάδα στο Εργαστήριο Επιστήμης Υπολογιστών και Τεχνητής Νοημοσύνης του Πανεπιστημίου, συνδύασε τρία διαφορετικά είδη οδηγιών — λεκτικές, οπτικές και διαδραστικές — για να διδάξει στα ρομπότ πώς να εκτελούν εργασίες πολλαπλών βημάτων με υψηλότερα ποσοστά επιτυχίας, σε σύγκριση με άλλες μεθόδους εκπαίδευσης.
Το εκπαιδευτικό πρωτόκολλο, γνωστό ως Compositional Foundation Models for Hierarchical Planning — HiP για συντομία — βοηθά τα ρομπότ να μπορούν να προσεγγίσουν ένα μακροπρόθεσμο ή γενικό στόχο που περιλαμβάνει την πρότερη ολοκλήρωση πολλών μικρότερων βημάτων. Αυτές οι εργασίες, τις οποίες οι άνθρωποι θεωρούν δεδομένες, περιλαμβάνουν πχ την μεταφορά υλικών στο κατάλληλο μέρος, με βάση την εμφάνισή τους.
Τα ρομπότ έχουν περιορισμένο εύρος εργασιών επί της παρούσης, αλλά ότι μπορούν να χρησιμοποιηθούν για βαριές εργασίες, όπως να μαζεύουν πολύ βαριά αντικείμενα και να τα μετακινούν από μέρος σε μέρος και να ανεβαίνουν ή να κατεβαίνουν σκάλες.
Κάθε βήμα βελτιώνεται από το επόμενο, μέσω μιας διαδικασίας που ονομάζεται «επαναληπτική βελτίωση» που επιτρέπει στο HiP να αιτιολογήσει τις ιδέες του και να λαμβάνει σχόλια σε κάθε στάδιο. Το MIT παρομοιάζει αυτή τη διαδικασία με έναν συγγραφέα που στέλνει υλικό στον εκδότη του, ο οποίος στη συνέχεια επιστρέφει τις σημειώσεις του με κόκκινο μελάνι πάνω στο αντίγραφο.
Αυτό το πάντρεμα τεχνητής νοημοσύνης και ρομποτικής είναι μια τάση που οι εργολάβοι παρακολουθούν στενά. Εκτός από εντυπωσιακές και πολύπλοκες εφαρμογές, η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει τους κατασκευαστές να εξοικονομήσουν χρόνο, απλοποιώντας διαδικασίες όπως οι απαντήσεις σε email, η αναζήτηση πληροφοριών σχετικά με τις αλλαγές σε παραγγελίες μέσω εφαρμογών συνομιλίας ή η αυτοματοποίηση σχεδίων.
Πηγή: Construction Dive
