- ระบบ FLEX ที่พัฒนาโดย MIT ช่วยให้หุ่นยนต์เข้าใจเจตนาของมนุษย์
- FLEX ใช้โมเดลภาษาขนาดใหญ่ในการระบุความเสี่ยงที่อาจเกิดขึ้นและปรับปรุงพฤติกรรมของหุ่นยนต์
- ระบบผ่านสามขั้นตอนในการอัปเดตการตัดสินใจของหุ่นยนต์ ได้แก่ การเพิ่ม การสรุป และการปิดบัง
- การวิจัยแสดงให้เห็นว่า FLEX สามารถเรียนรู้ความชอบของมนุษย์ในหลายสถานการณ์
มหาวิทยาลัย MIT (Massachusetts Institute of Technology) ได้พัฒนาระบบที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ ซึ่งมีเป้าหมายเพื่อช่วยให้หุ่นยนต์เข้าใจเจตนาของมนุษย์ เช่น ความต้องการที่แฝงอยู่เมื่อบุคคลขอให้หุ่นยนต์นำถ้วยกาแฟออกจากโต๊ะที่ยุ่งเหยิง ระบบนี้มีชื่อว่า FLEX (Flexible Language Guided Representation Editing for Adaptive Robot Behavior) และจะถูกนำเสนอในเดือนนี้ที่การประชุมการเรียนรู้ของหุ่นยนต์ประจำปี
การทดสอบและการใช้งานระบบ FLEX
นักวิจัยได้ใช้แขนหุ่นยนต์ในการจำลองภารกิจเพื่อตรวจสอบระบบ FLEX ในตัวอย่างหนึ่ง หุ่นยนต์ถูกขอให้ส่งถ้วยกาแฟจากโต๊ะที่ยุ่งเหยิง ผู้ใช้กล่าวว่า "อย่าให้หกใส่แล็ปท็อป!" FLEX ระบุถึงความเสี่ยงที่อาจเกิดขึ้นจากการหกใส่แล็ปท็อป และใช้โมเดลภาษาขนาดใหญ่ (LLM) เพื่อเชื่อมโยงของเหลวกับอุปกรณ์อิเล็กทรอนิกส์ หลังจากนั้นหุ่นยนต์หลีกเลี่ยงแล็ปท็อปและโทรศัพท์มือถือที่อยู่ใกล้เคียง แม้ว่าผู้ใช้จะไม่ได้กล่าวถึงโทรศัพท์มือถือในคำสั่ง การวิจัยนี้นำโดยผู้ช่วยศาสตราจารย์ Andreea Bobu แห่งสาขาวิศวกรรมการบินและอวกาศ โดยมีผู้เขียนร่วม ได้แก่ นักวิจัยหลังปริญญาเอก Nathan Dennler จากห้องปฏิบัติการวิทยาการคอมพิวเตอร์และปัญญาประดิษฐ์ (CSAIL) ของ MIT และนักศึกษาปริญญาโท Audrey
Lee SM ’26 และนักศึกษา NYU Ilia Sucholutsky
โมเดลภาษาขนาดใหญ่ (LLM) ได้รับการฝึกฝนจากข้อความจำนวนมากบนอินเทอร์เน็ต สามารถเชื่อมโยงวัตถุและสถานการณ์กับข้อมูลที่เกี่ยวข้องได้ ตัวอย่างเช่น ในกรณีที่มีการหกกาแฟหรือน้ำ LLM จะเชื่อมโยงสิ่งเหล่านี้กับความเสียหายที่อาจเกิดขึ้นกับอุปกรณ์อิเล็กทรอนิกส์ FLEX ใช้การเชื่อมโยงเหล่านี้เพื่อช่วยให้หุ่นยนต์คาดการณ์ปัญหาที่อาจเกิดขึ้นกับวัตถุที่ผู้ใช้ไม่ได้กล่าวถึงอย่างชัดเจน ระบบนี้ผ่านสามขั้นตอน ได้แก่ การเพิ่ม การสรุป และการปิดบัง ในขั้นตอนการเพิ่ม FLEX จะระบุวัตถุและลักษณะที่ต้องหลีกเลี่ยง ตัวอย่างเช่น หากผู้ใช้กล่าวว่า "อย่าทิ้งลูกโบว์ลิ่งลงในถ้วยของฉัน!"
ถ้วยจะถูกเพิ่มเข้าไปในรายการวัตถุที่หุ่นยนต์ต้องหลีกเลี่ยง ในขั้นตอนการสรุป FLEX ใช้โมเดลภาษา GPT-4o เพื่อสรุปวัตถุและลักษณะที่เพิ่มเข้ามาในขั้นตอนก่อนหน้า ตัวอย่างเช่น ถ้วยจะถูกจัดประเภทเป็นวัตถุที่บอบบาง ดังนั้นหุ่นยนต์จะหลีกเลี่ยงวัตถุที่บอบบางอื่น ๆ ด้วย สุดท้าย ในขั้นตอนการปิดบัง ระบบการมองเห็นของหุ่นยนต์จะถูกใช้เพื่อระบุวัตถุรอบ ๆ หุ่นยนต์ วัตถุที่ไม่อยู่ในรายการจะถูกลบออกจากรายการลักษณะของหุ่นยนต์ ทำให้หุ่นยนต์สามารถอัปเดตการตัดสินใจได้ตามการเปลี่ยนแปลงของสภาพแวดล้อม โดยนักวิจัยกล่าวว่าทั้งกระบวนการใช้เวลาประมาณห้าหรือหกวินาที
การเรียนรู้ความชอบที่หลากหลายของครอบครัว
ทีมงานได้ทดสอบ FLEX ในสามกิจกรรมในสภาพแวดล้อมจำลอง รวมถึงการเสิร์ฟกาแฟ การเคลื่อนย้ายเทียน และการถือบอลโบว์ลิ่ง หุ่นยนต์สามารถปฏิบัติตามคำสั่งที่เกี่ยวข้องกับแล็ปท็อป กองเอกสาร และถ้วย และขยายไปยังวัตถุที่คล้ายกัน (เช่น อุปกรณ์อิเล็กทรอนิกส์ วัสดุที่ติดไฟได้ และวัตถุที่บอบบาง) การวิจัยนี้ได้รับการสนับสนุนบางส่วนจากกลุ่มพันธมิตรด้านปัญญาประดิษฐ์สร้างสรรค์ของ MIT และโครงการความรับผิดชอบทางสังคมและการคำนวณของ MIT Schwarzman College of Computing Bobu กล่าวว่า "ความชอบในครอบครัวมีความหลากหลายอย่างมาก ดังนั้นหุ่นยนต์ควรเรียนรู้ความชอบของผู้คนในสถานการณ์ต่าง ๆ ด้วยคำสั่งเพียงไม่กี่คำ"
FLEX สามารถช่วยให้หุ่นยนต์เรียนรู้ความชอบของผู้คนในสถานการณ์ต่าง ๆ ได้เพียงไม่กี่คำสั่ง
ผลกระทบของระบบ FLEX ต่อเทคโนโลยีหุ่นยนต์
การพัฒนาระบบ FLEX ถือเป็นความก้าวหน้าที่สำคัญในเทคโนโลยีหุ่นยนต์ ช่วยให้หุ่นยนต์สามารถเข้าใจและตอบสนองต่อความต้องการของมนุษย์ได้อย่างยืดหยุ่นมากขึ้น ผ่านการใช้โมเดลภาษาขนาดใหญ่ หุ่นยนต์ไม่เพียงแต่สามารถทำภารกิจเฉพาะได้ แต่ยังสามารถคาดการณ์ความเสี่ยงที่อาจเกิดขึ้น ซึ่งมีความสำคัญต่อการใช้งานในชีวิตประจำวัน เมื่อสภาพแวดล้อมในครอบครัวมีความหลากหลาย FLEX สามารถเรียนรู้และปรับตัวได้อย่างรวดเร็วในความชอบในสถานการณ์ต่าง ๆ ซึ่งจะส่งเสริมการใช้งานเทคโนโลยีหุ่นยนต์ในครัวเรือนและธุรกิจอย่างกว้างขวาง เพิ่มคุณภาพและประสิทธิภาพของการโต้ตอบระหว่างมนุษย์และเครื่องจักร