Tokio Universitetinin komandası GPT-3 Böyük Dil Modelindən (LLM) istifadə edərək hərəkətlər edə bilən insanabənzər robot Alter4-ü təqdim edib. Alter3 ən son alətdən istifadə edir Açıq AI Əvvəlcədən proqramlaşdırılmış verilənlər bazası girişlərinə ehtiyac olmadan bir selfi pozasından tutmuş xəyallara qədər müxtəlif pozaları dinamik şəkildə qəbul etmək.
"Alter3-ün üz ifadələri və jestlərdən istifadə edərək danışıq məzmununa reaksiyası, minimal dəyişikliklərlə digər androidlərə asanlıqla uyğunlaşa bilən humanoid robototexnikasında əhəmiyyətli irəliləyişdir" dedi tədqiqatçılar.
Robotlarla LLM inteqrasiyası sahəsində əsas ünsiyyətin təkmilləşdirilməsinə və real cavabların modelləşdirilməsinə diqqət yetirilir. Tədqiqatçılar həmçinin robotlara mürəkkəb təlimatları başa düşmək və yerinə yetirmək və bununla da onların funksionallığını artırmaq üçün LLM-nin imkanlarını araşdırırlar.
Ənənəvi olaraq, aşağı səviyyəli idarəetmə robotlar hardware ilə bağlıdır və LLM korporasiyalarının səlahiyyətlərindən kənardadır. Bu, LLM əsaslı işlərin birbaşa idarə edilməsində çətinliklər yaradır. Bu problemi həll edən Yaponiya komandası insan hərəkətlərinin ifadələrini Android üçün başa düşülən koda çevirmək metodunu işləyib hazırlayıb. Bu o deməkdir ki, robot zamanla müstəqil şəkildə hərəkətlərin ardıcıllığını yarada bilər ki, tərtibatçılar hər bir bədən hissəsini fərdi şəkildə proqramlaşdırsınlar.
Qarşılıqlı əlaqə zamanı şəxs Alter3-ə “iPhone ilə selfi çəkin” kimi əmrlər verə bilər. Daha sonra robot lazımi addımlar haqqında təlimat almaq üçün GPT-4-ə bir sıra sorğular göndərir. GPT-4 bunu Python koduna çevirəcək ki, bu da işə "başa düşməyə" və lazımi hərəkətləri yerinə yetirməyə imkan verir. Bu yenilik Alter3-ə yuxarı gövdəsini hərəkət etdirməyə imkan verir, eyni zamanda alt gövdəsi stenddə sabit qalır.
Alter3, Alter-in 2016-cı ildən bəri insanabənzər robotlar seriyasının üçüncü iterasiyasıdır və sıxılmış hava ilə işləyən üz ifadələri və ətrafların hərəkətləri üçün cavabdeh olan 43 aktuatorla öyünür. Bu konfiqurasiya geniş ifadəli jestləri təmin edir. Robot yeriyə bilmir, lakin tipik yerimə və qaçış hərəkətlərini təqlid edə bilir.
Alter3 həmçinin kamera və OpenPose çərçivəsindən istifadə edərək insan pozalarını kopyalamaq qabiliyyətini nümayiş etdirdi. Robot oynaqlarını müşahidə edilən duruşlara uyğunlaşdırır və sonradan istifadə üçün uğurlu imitasiyaları saxlayır. Bir insanla qarşılıqlı əlaqə, yeni doğulmuş körpələrin təqlid yolu ilə öyrəndiyi kimi, fərqli hərəkətlərin insanı təqlid etməsindən qaynaqlandığı fikrini dəstəkləyən daha müxtəlif duruşlara səbəb oldu.
LLM-dən əvvəl tədqiqatçılar insanın pozasını yenidən yaratmaq və ya çay vermək və ya şahmat oynamaq kimi davranışı simulyasiya etmək üçün bütün 43 aktuatoru diqqətlə idarə etməli idilər. Bu, çoxsaylı əl düzəlişləri tələb etdi, lakin AI komandanı bu rutindən azad etməyə kömək etdi. “Biz gözləyirik ki, Alter3 kontekstlə əlaqəli üz ifadələri və jestləri nümayiş etdirərək effektiv dialoqa girsin. O, emosiyaları əks etdirmə qabiliyyətini nümayiş etdirdi, məsələn, cavab olaraq kədər və ya xoşbəxtlik göstərmək və bununla da emosiyaları bizimlə bölüşmək”, - tədqiqatçılar deyir.
Həmçinin oxuyun: