麻省理工学院（MIT）最新研究：LLM助力家用机器人自主纠错
麻省理工学院（MIT）的最新研究表明，大型语言模型（LLM）可以帮助家用机器人在无需人类干预的情况下自行纠正错误。尽管机器人是完美的模仿者，但除非工程师将其编程为能够适应每一次可能的撞击或推力，否则除了从头开始执行任务外，它们不知道如何应对突发情况。
传统模仿学习的局限性
这项新研究的提出者指出，通过观察学习完成某项任务（即“模仿学习”）在家用机器人领域非常流行。然而，机器人无法考虑到无数可能阻碍其常规运行的小型环境变化，导致系统往往必须从头重新开始。
LLM介入：自动分解与标记子任务
这项新研究通过将演示分解为更小的子集来处理，而不是将其定位为持续动作的一部分。大型语言模型在此时介入，消除了程序员手动标记和分配大量子动作的需求。
参与该研究的硕士生Tsun-Hsuan Wang表示，使用大型语言模型以自然语言描述任务的每个步骤后，机器人将自动知道自己在任务中的进度，并通过自主重新规划来恢复。
实验验证：弹珠收集任务中的自主修正
在研究中展示的演示中，机器人被训练去收集弹珠并将其倒入一个空碗中，这个任务实际上包含了各种小任务的组合。大型语言模型以其列出和标记这些子任务的能力脱颖而出。
当研究人员试图通过改变机器人的路线并使其掉落勺子中的弹珠来破坏任务时，系统没有从头开始，而是自行修正了这些小任务。
研究展望
虽然这项研究只是一个起点，但不难想象大型语言模型将在长期内对机器人产生变革性影响。该研究计划于五月在国际学习表征会议（ICLR）上提交。