Може ли ChatGPT да управлява индустриални роботи?

Този въпрос явно от доста време вълнува инженерите и разработчиците от направлението за изследователска дейност в сферата на роботиката и автономните системи на Microsoft.

 

Наскоро екип от развойното звено публикува доклад, в който описва тестовете си върху приложенията на езиковия модел с изкуствен интелект на OpenAI в управлението на роботизирани манипулатори, дронове за инспекция и роботи асистенти.

 

Изводите накратко – ChatGPT не само успява да "мисли" на надтекстово ниво, но и да интерпретира добре физическия свят при изпълнение на различни задачи в областта на роботиката.

 

Изгубени в езика, кода или превода?

 

"Макар езикът да е най-интуитивният начин за изразяване на намеренията при човека, в управлението на роботи все още залагаме предимно на ръчното писане на код. Целта на проучването ни е да помогнем на хората по-лесно да взаимодействат с роботите – без да им се налага да разучават комплексни програмни езици или технически детайли за роботизираните системи", разказват от екипа.

 

Като основно предизвикателство в проекта инженерите посочват обучаването на ChatGPT да решава проблеми, свързани със законите на физиката и контекста на работната среда и да разбира как физическите действия на робота могат да променят реалния свят. Оказва се, че чатботът се справя доста добре с изпълнението на поставените му задачи, но все още се нуждае от помощ.

 

 

Публикацията на изследователите описва серия от принципи за проектиране, които могат да бъдат използвани в приложението на големи езикови модели (LLM) като ChatGPT за управление на роботи, включително:

• Повелителни (prompting) конструкции;
• Висок клас приложни интерфейси за програмиране;
• Подаване на обратна връзка от човек под формата на текст и др.

Нова парадигма в роботиката

 

От Microsoft са убедени, че проучването с ChatGPT поставя основите на нова парадигма в разработката на индустриални, сервизни и други типове роботи и се надяват да вдъхновят още изследователи в сегмента да се насочат към тази "вълнуваща област".

 

Дотук на инженерите, програмистите или другите технически потребители почти винаги им се налага да влагат много усилия, за да "преведат" изискванията на задачата за робота посредством кодиране, а след това да пишат нови кодове и спецификации, за да коригират грешките. Този процес обаче е бавен, скъп и неефективен, смятат изследователите от глобалната технологична компания.

 

ChatGPT, от друга страна, позволява практически на всеки потребител (дори без опит и квалификация) да участва в процеса – осигурявайки ценна обратна връзка за чатбота, докато наблюдава работата на действителния робот.

 

Следвайки изведените от екипа принципи на проектиране, умната платформа може да генерира код за разнообразни сценарии в сегмента на роботиката, включително за индустриални приложения. Така ChatGPT би могъл да управлява богат асортимент от роботи с различни конструкции, размери и функционално предназначение.

 

Експериментите

 

В рамките на мащабното проучване от Microsoft тестват възможностите на системата с изкуствен интелект в преодоляването на различни предизвикателства от областта на роботиката и безпилотните летателни системи, включително комплексни задачи в сферата на роботизираната манипулация и навигацията. Изпитанията включват инспекция на индустриално съоръжение, както и на стелаж с множество рафтове и поставени върху тях обекти посредством дрон.

 

 

В един от най-интересните експерименти ChatGPT получава задание да преобразува зададените приложни интерфейси за програмиране във функции от висок клас с помощта на обучителни насоки, дадени му под формата на разговор. Чатботът успява да комбинира усвоените умения в изпълнението на сложни операции с робота манипулатор, като подреждането на обекти по зададен модел.

 

"ChatGPT демонстрира впечатляващи способности да свързва текстовата информация с физическата реалност при възпроизвеждането на логото на Microsoft от дървени кубчета. Системата не само успя да се "сети" как изглежда то, използвайки вътрешната си информационна база, но и пресъздаде физическата му форма, като го "подреди" от цветни елементи", разказват създателите на експеримента. Повече за него можете да научите от видеото тук.

 

 

ChatGPT: първо възприятие, а след това действие

 

Способността да възприеме и опознае света около себе си преди да извърши дадено действие е фундаментална за всяка роботизирана система. Ето защо екипът от Microsoft решава да изпробва разбирането на ChatGPT за тази концепция и му дава задачата да изследва средата докато намери специфичен предмет. Платформата получава достъп до функции за детекция на обекти и изчисляване на разстояния.

 

След това изследователите правят проверка дали генерирания от нея код може успешно да осъществи желания цикъл на възприятие и действие, както и дали може директно да вземе решение къде да изпрати робота на база обратна връзка от сензорите в реално време.

 

За целта операторът подава към чатбота текстово описание на моментното изображение от камерата за машинно зрение във всяка необходима стъпка. Учудващо дори за екипа, ChatGPT успява и чрез този метод да разбере как да управлява робота, за да стигне до желания обект.

Източник: Microsoft

Ключови думи: Microsoft   ChatGPT   роботика   дронове   индустриален робот   роботи   манипулатор  

Област: Роботика