Os pesquisadores descobriram que o robô arruma com sucesso 85% dos objetos em cenários de teste do mundo real
Pesquisadores baseados em diferentes universidades, como Princeton e Colômbia, compartilharam o novo robô adequado para a limpeza diária: The Tidy Bot. Depois de receber comandos específicos, o dispositivo pode efetivamente pegar itens do chão e colocá-los no lugar a que pertencem, de acordo com o artigo da equipe.
Antes de usar o TidyBot, os pesquisadores recorreram a um “conjunto de dados de benchmark baseado em texto”, onde as pessoas escreviam certos comandos. Eles então pediram modelos de linguagem grande (LLMs), especificamente GPT-3, para seguir essas instruções.
Alguns comandos inseridos pelas pessoas foram: “camisas amarelas vão para a gaveta, camisas escuras vão para os armários e meias brancas vão para a gaveta”. A partir daí, os LLMs resumiram esses exemplos específicos, que ficaram: “roupas claras vão para a gaveta e roupas escuras vão para o armário”.
Havia um total de 24 cenários em quatro salas diferentes. Durante cada cenário, havia de dois a cinco lugares potenciais para os objetos serem colocados. Para ajudar os pesquisadores a entender as habilidades de memorização dos LLMs e a capacidade de seguir comandos, os objetos também foram descritos como vistos ou não vistos. O sucesso dessa abordagem também foi definido por quantos objetos são colocados nos locais corretos.
No conjunto de dados de referência, o trabalho com os LLMs acabou levando a uma “regra generalizada para onde os objetos pertencem, para um usuário específico”. Essa estratégia também foi aplicada ao lavar roupas, conforme os pesquisadores disseram aos LLMs comandos como “coloque as roupas no cesto de roupa suja”.
Os pesquisadores também observaram que as evidências subjacentes descobriram que os LLMs são uma boa combinação para os requisitos generalizados dos robôs pessoais.
Os resultados mostraram que o robô alcançou uma “precisão de 91,2% em objetos invisíveis em todos os cenários”, conforme observado no artigo. Os pesquisadores testaram essa abordagem com o TidyBot e descobriram que “recolhe com sucesso 85% dos objetos em cenários de teste do mundo real”.
O jornal especificou que, antes de o TidyBot iniciar a limpeza, os usuários devem “fornecer alguns exemplos de posicionamento para objetos específicos”. As tarefas seriam então repassadas e resumidas pelos LLMs. A partir daí, “o robô realizará a tarefa de limpeza, pegando objetos repetidamente, identificando-os e movendo-os para os locais de destino”.
No site oficial do TidyBot, há vários vídeos do robô em ação enquanto separa as roupas no chão e as coloca em lixeiras. Outro vídeo mostra a máquina separando o lixo antes de colocá-lo em lixeiras e lixeiras. O site também observou que ainda há trabalho a ser feito no TidyBot para que ele atenda às estratégias de limpeza de cada pessoa.
“Um dos principais desafios é determinar o local adequado para colocar cada objeto, pois as preferências das pessoas podem variar muito, dependendo do gosto pessoal ou da cultura”, diz o site. “Por exemplo, uma pessoa pode preferir guardar camisas na gaveta, enquanto outra pode preferir na prateleira. Nosso objetivo é construir sistemas que possam aprender tais preferências a partir de apenas alguns exemplos por meio de interações anteriores com uma pessoa em particular”
“Mostramos que os robôs podem combinar planejamento e percepção baseados em linguagem com os recursos de resumo de poucas fotos de modelos de linguagem grandes (LLMs) para inferir preferências generalizadas do usuário que são amplamente aplicáveis a interações futuras”, acrescentou o site.
Fonte: Independent 12.05.2023