ثبت بازخورد

لطفا میزان رضایت خود را از دیجیاتو انتخاب کنید.

واقعا راضی‌ام
اصلا راضی نیستم
چطور میتوانیم تجربه بهتری برای شما بسازیم؟

نظر شما با موفقیت ثبت شد.

از اینکه ما را در توسعه بهتر و هدفمند‌تر دیجیاتو همراهی می‌کنید
از شما سپاسگزاریم.

روش جدید MIT برای آموزش ربات‌ها
کیان

محققان MIT روش سریع و بهتری برای آموزش ربات‌های همه‌کاره ابداع کردند

محققان برای توسعه این روش جدید از مدل‌های زبانی بزرگ مانند GPT-4 الهام گرفته‌اند.

آزاد کبیری
نوشته شده توسط آزاد کبیری | ۱۴ آبان ۱۴۰۳ | ۱۴:۳۰

محققان MIT با الهام از مدل‌های زبانی بزرگ مانند GPT-4 برای آموزش ربات‌های همه‌کاره روش جدیدی توسعه دادند که حجم عظیمی از داده‌های ناهمگن را از منابع مختلف ترکیب می‌کند و می‌توان با آن به هر رباتی طیف وسیعی از وظایف را آموزش داد.

در فیلم‌های علمی-تخیلی می‌بینیم رباتی می‌تواند هم کارهای متنوع خانه را انجام دهد هم با شما بیرون بیاید و در خرید کمکتان کند. اما در واقعیت آموزش ربات همه‌کاره همچنان چالش بزرگی است. اکنون براساس گزارش تک کرانچ، محققان MIT معماری جدیدی برای آموزش ربات‌ها به نام «ترانسفورماتورهای پیش‌آموزش ناهمگن» (HPT) ایجاد کرده‌اند که شاید بتواند ما را یک قدم به آن ربات‌های همه‌کاره داخل فیلم‌ها نزدیک‌تر کند.

روش محققان MIT برای آموزش ربات‌های همه‌کاره

روش جدید MIT برای آموزش ربات‌ها

درحال‌حاضر یکی از روش‌های مرسوم آموزش ربات‌ها یادگیری تقلیدی است؛ یعنی انسان اقداماتی را انجام می‌دهد و سپس آن ربات از طریق مدل هوش مصنوعی حرکات انسان را تقلید می‌کند و یاد می‌گیرد. ازآنجایی‌که این روش از داده‌ها کمی استفاده می‌کند، ربات‌ها اغلب وقتی در محیط جدید قرار می‌گیرند یا وظیفه تازه‌ای به آنها محول می‌شود، عملاً به بن‌بست می‌خورند.

محققان برای توسعه رویکردی بهتر از مدل‌های زبانی بزرگ مانند GPT-4 الهام گرفتند. این مدل‌ها با استفاده از حجم عظیمی از داده‌های زبانی متنوع از قبل آموزش می‌بینند سپس برای اختصاصی‌کردن مدل، داده‌های خاصی به آن داده می‌شود. پیش‌آموزش با داده‌های بسیار عظیم به مدل‌ها کمک می‌کند وظایف مختلف را به‌خوبی انجام دهند.

روش جدید MIT برای آموزش ربات‌ها

البته در مدل‌های زبانی بزرگ و چت‌بات‌ها، ما صرفاً با جملات سروکار داریم. اما در ربات‌ها به داده‌های فرازبانی و ناهمگون دیگری نیاز است. همچنین اگر می‌خواهید به همان روش ربات خود را با داده‌های زیادی از پیش آموزش دهید، باید از معماری متفاوتی بهره ببرید.

داده‌های رباتیک اشکال مختلفی دارند؛ از تصاویر دوربین گرفته تا دستورالعمل‌های زبانی و نقشه‌های مکانی. درعین‌حال، هر ربات از نظر مکانیکی منحصربه‌فرد است؛ هرکدام بازوها و حسگرهای مختلفی دارد. اکنون با معماری جدید HPT داده‌های متنوع و زیاد آموزش ربات‌ها را می‌توان یکپارچه کرد و به ربات انتقال داد. هنگامی که محققان HPT را آزمایش کردند، دریافتند عملکرد ربات بیش از 20 درصد در مقایسه با روش قدیمی بهبود پیدا کرد.

محققان MIT می‌گویند رؤیای آنها مغز ربات جهانی است که بتوانید آن را دانلود کنید و به ربات خود انتقال دهید و از ربات همه‌کاره‌تان استفاده کنید.

دیدگاه‌ها و نظرات خود را بنویسید
مطالب پیشنهادی