Một robot có thể dọn dẹp nhà mà không cần hướng dẫn rõ ràng sẽ rất hữu ích trong cuộc sống hàng ngày. Một bài báo gần đây trên arXiv.org đề xuất nhiệm vụ Housekeeping để đánh giá khả năng của Tác nhân AI để sử dụng lý luận chung vật lý và suy ra các mục tiêu sắp xếp lại bắt chước vị trí ưa thích của con người của các đối tượng trong môi trường trong nhà.
Tín dụng hình ảnh: arXiv: 2205.10712 [cs.CV]
Các nhà nghiên cứu đã thu thập một tập dữ liệu về sở thích của con người đối với vị trí đặt đồ vật trong những ngôi nhà ngăn nắp và gọn gàng. Họ đề xuất một đường cơ sở mô-đun và chứng minh rằng khái niệm chung được thể hiện được trích xuất từ các mô hình ngôn ngữ lớn (LLM) là một công cụ lập kế hoạch hiệu quả cho nhiệm vụ được đề xuất. Nó được chỉ ra rằng phương pháp tổng quát để sắp xếp lại các đối tượng không nhìn thấy mà không cần truy cập vào các hướng dẫn rõ ràng.
Nghiên cứu sâu hơn là cần thiết để phát triển mô-đun thăm dò để nhân viên có thể ghé thăm các khu vực lộn xộn thường xuyên hơn và mô-đun suy luận để tăng độ chính xác trong việc xác định các đối tượng thất lạc.
Chúng tôi giới thiệu Housekeep, một tiêu chuẩn để đánh giá lý luận thông thường trong nhà cho AI hiện thân. Trong Housekeeping, một đặc vụ hiện thân phải dọn dẹp một ngôi nhà bằng cách sắp xếp lại các đồ vật bị thất lạc mà không có hướng dẫn rõ ràng chỉ định đồ vật nào cần được sắp xếp lại. Thay vào đó, tác nhân phải học hỏi và được đánh giá dựa trên sở thích của con người về đồ vật nào thuộc về nơi nào trong một ngôi nhà ngăn nắp. Cụ thể, chúng tôi thu thập một tập dữ liệu về nơi con người thường đặt các đồ vật trong những ngôi nhà gọn gàng và bừa bộn, tạo thành 1799 đồ vật, 268 loại đối tượng, 585 vị trí và 105 phòng. Tiếp theo, chúng tôi đề xuất phương pháp tiếp cận đường cơ sở mô-đun cho Housekeeping tích hợp lập kế hoạch, thăm dò và điều hướng. Nó tận dụng một mô hình ngôn ngữ lớn (LLM) đã được tinh chỉnh được đào tạo trên kho ngữ liệu văn bản trên internet để lập kế hoạch hiệu quả. Chúng tôi cho thấy rằng tác nhân cơ sở của chúng tôi tổng quát để sắp xếp lại các đối tượng không nhìn thấy trong môi trường không xác định. Xem trang web của chúng tôi để biết thêm chi tiết: URL https này
Bài báo nghiên cứu: Kant, Y., “Housekeeping: Ritying the Virtual Hộ gia đình bằng cách sử dụng Commonsense Reasoning”, 2022. Liên kết: https://arxiv.org/abs/2205.10712
