मासाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी ने इस सप्ताह एक नए रोबोट ट्रेनिंग मॉडल का प्रदर्शन किया, जिसका उद्देश्य अनुकरणीय शिक्षण में छोटे चुनौतियों के परिचय के समय संभावित विफलताओं को हल करना है। शोधकर्ताओं ने बताया कि अनुकरणीय शिक्षण प्रकाश, विभिन्न वातावरण या नए बाधाओं जैसी परिस्थितियों में विफल हो सकता है, क्योंकि रोबोटों के पास अनुकूलन के लिए पर्याप्त डेटा नहीं होता है।
टीम ने समस्या को हल करने के लिए GPT-4 जैसे मॉडल की तलाश की। उन्होंने एक नए आर्किटेक्चर का परिचय दिया, जिसे हेटेरोजेनियस प्री-ट्रेंड ट्रांसफार्मर (HPT) कहा जाता है, जो विभिन्न संवेदकों और विभिन्न वातावरणों से जानकारी को एकत्र करता है। फिर ट्रांसफार्मर का उपयोग डेटा को प्रशिक्षण मॉडल में संकलित करने के लिए किया जाता है। ट्रांसफार्मर जितना बड़ा होता है, आउटपुट उतना बेहतर होता है।
उपयोगकर्ता रोबोट के डिज़ाइन, कॉन्फ़िगरेशन और वे जो कार्य पूरा करना चाहते हैं, इनपुट कर सकते हैं, और फिर नए मॉडल का उपयोग करके रोबोट को प्रशिक्षित कर सकते हैं। शोधकर्ताओं ने कहा कि यह विधि रोबोट रणनीतियों में प्रगति कर सकती है, जैसे कि बड़े भाषा मॉडल।
इस शोध को कुछ वित्त पोषण टोयोटा रिसर्च इंस्टीट्यूट से मिला है। पिछले साल, टोयोटा रिसर्च इंस्टीट्यूट ने TechCrunch Disrupt पर एक रात में रोबोट को प्रशिक्षित करने की विधि का पहला प्रदर्शन किया। हाल ही में, कंपनी ने एक मील का पत्थर समझौता किया है, जो अपने रोबोटिक लर्निंग अनुसंधान को बॉट्सटन डायनेमिक्स हार्डवेयर के साथ जोड़ने जा रही है।
कार्नेगी मेलॉन विश्वविद्यालय के सहायक प्रोफेसर डेविड हेल्ड ने कहा: "हमारा सपना एक सामान्य रोबोट मस्तिष्क का होना है, जिसे आप डाउनलोड कर सकते हैं और बिना किसी प्रशिक्षण के उपयोग कर सकते हैं। जबकि हम अभी प्रारंभिक चरण में हैं, हम आगे बढ़ते रहेंगे, उम्मीद करते हैं कि स्केलिंग रोबोट रणनीतियों में प्रगति लाएगा, जैसे बड़े भाषा मॉडल।"
