Roboty a veľké jazykové modely – len na rozhovory?

V posledných rokoch sme svedkami vzostupu domácich rozsiahlych jazykových modelov, ako DeepSeek a Tongyi Qianxin. Tieto modely sa stali neoceniteľnými pomocníkmi pri hľadaní informácií, generovaní obrázkov a dokonca aj cvičení v anglickej konverzácii. Zároveň mnohí výrobcovia umelej inteligencie, najmä tí, ktorí vyrábajú humanoidné roboty, začínajú tieto jazykové modely integrovať do svojich produktov, čím ich obdarúvajú stále silnejšími schopnosťami v oblasti dialógu a konverzácie.

Veľké jazykové modely (LLM) primárne spracovávajú textové dáta. Po rokoch vývoja dokážu komplexne spracovávať informácie z rôznych zdrojov – textu, obrazu, zvuku a hmatu. Najnovšie LLM sú schopné generovať aj reťazce logických úvah, čo sa prejavuje v ich silnejšom jazykovom porozumení a generovaní obsahu pri dialógoch a plánovaní úloh. Poďme si pozrieť, ako presne tieto modely zohrávajú dôležitú úlohu u domácich robotov a aké ďalšie funkcie prinášajú.

Ako LLM pomáhajú robotom porozumieť jednoduchým pokynom?

V bežných aplikáciách sú pokyny často vyjadrené v prirodzenom jazyku, napríklad: „Prines mi jablko“ alebo „Prines mi vojenskú fľašu“. Pre tradičných robotov sú takéto pokyny takmer nepochopiteľné. Avšak LLM dokážu prepojiť slovné informácie (slovíčko „jablko“) s vizuálnymi informáciami (obraz jablka). Ak sa v scéne nachádza viacero jabĺk, model dokáže na základe polohy alebo kontextu vybrať správny cieľ. Pokyn ako „Prines mi vojenskú fľašu“ môže byť ešte náročnejší, pretože robot nemusí vôbec vedieť, čo je to vojenská fľaša. V takom prípade musí model využiť svoje znalostné databázy a zistiť, že vojenská fľaša sa bežne nachádza v chladničke.

Aby robot splnil danú úlohu, musí si ju najprv rozložiť na menšie kroky. Tento proces sa delí do dvoch častí: plánovania úlohy a jej realizácie.

Rozkladanie pokynov na podúlohy

Predstavme si prípad, keď robot dostane pokyn „Prines mi vojenskú fľašu“. Vďaka rozsiahlym znalostiam o domácnosti robot najprv naplánuje úlohu:

1. Presun do kuchyne: Robot sa vyhýba prekážkam na ceste.
2. Otvorenie chladničky: Robot otvorí dvere chladničky.
3. Vybratie vojenskej fľaše: Robot hľadá vojenskú fľašu v chladničke.
4. Uchopenie vojenskej fľaše: Robot pomocou mechanickej ruky uchopí fľašu.
5. Zavretie chladničky: Robot zatvorí dvere chladničky.
6. Návrat k používateľovi: Robot sa vráti k používateľovi alebo zastaví pri ňom.

Potom robot preloží tieto podúlohy do konkrétnych príkazov, ktoré dokáže vykonávať jeho hardvér a softvér. Napríklad podúloha „Presun do kuchyne“ vygeneruje príkazy pre navigačný systém robota, aby naplánoval trasu a vyhýbal sa prekážkam. Podúloha „Vybratie vojenskej fľaše“ zase vygeneruje kód pre vizuálny modul, ktorý hľadá cieľový objekt. Po nájdení cieľa robot riadi mechanickú ruku tak, aby uchopila fľašu.

Schopnosť učiť sa a prispôsobovať

Okrem porozumenia ľudskej reči LLM umožňujú robotom aj lepšie sa učiť a prispôsobovať. Robot dokáže využiť svoje predchádzajúce skúsenosti a aplikovať ich na nové situácie. To znamená, že si dokáže osvojiť podporné zručnosti a efektívne ich využívať v neznámych scenároch.

Existujú zaujímavé príklady, ako robot dokáže pochopiť požiadavky typu „Zapamätaj si, kde je jablko“ alebo „Prines mi niečo na jedenie“. Dokáže identifikovať rôzne objekty a vybrať správny objekt v danej situácii. Robot dokáže tiež porozumieť ľudským pokynom v prirodzenom jazyku, ktoré tradičné roboty nedokázali pochopiť.

Budúcnosť: Modely sveta a ďalšie inovácie

Okrem LLM existuje aj technológia známa ako „modely sveta“, ktorá pomáha robotom predikovať zmeny v prostredí a porozumieť fyzikálnym zákonitostiam. To im umožňuje lepšie plánovať a vykonávať úlohy. V ďalšej časti sa pozrieme na to, aké fascinujúce možnosti prinášajú modely sveta a ako posúvajú robotiku dopredu.

Kľúčové poznatky

• Integrácia LLM do robotiky: Veľké jazykové modely umožňujú robotom porozumieť prirodzenému jazyku a vykonávať zložité úlohy.
• Plánovanie úloh: Robot dokáže rozložiť komplexný pokyn na menšie, ľahko realizovateľné podúlohy.
• Schopnosť učiť sa: LLM umožňujú robotom učiť sa a prispôsobovať novým situáciám.
• Modely sveta: Táto technológia pomáha robotom predikovať zmeny v prostredí a lepšie plánovať svoje konanie.

Odporúčania a úvahy

Integrácia LLM do robotiky predstavuje obrovský pokrok, ktorý otvára nové možnosti pre automatizáciu a interakciu medzi ľuďmi a strojmi. Robotické systémy vybavené týmito technológiami sa čoskoro stanú neoddeliteľnou súčasťou nášho každodenného života. Je však dôležité zvážiť etické a spoločenské dôsledky tohto vývoja, aby sme zabezpečili, že roboty budú slúžiť ľuďom a prispievať k ich blahu.

Zdroje

• Originálne video

Približne 144 gCO₂ bolo uvoľnených do atmosféry a na chladenie sa spotrebovalo 0.72 l vody za účelom vygenerovania tohoto článku.