教導機器人根據使用者偏好進行整理
在家中整理和清潔的方式因人而異，因此家庭機器人應該能夠考慮到這些個人偏好來進行工作。普林斯頓大學和斯坦福大學的研究人員最近採用大型語言模型（LLM）來個性化家用機器人的協助，這是一種人工智慧模型，尤其在 ChatGPT 的推出後越來越受歡迎。根據一篇在 arXiv 上預先發布的論文所述，他們的方法首先在移動機器人 TidyBot 上進行測試，該機器人專門用於整理室內環境。
大型語言模型(Large Language Models)
研究人員提出的方法是透過利用 LLM 的被廣泛記錄概括能力，例如 ChatGPT。這些模型可以在訓練過相對較少資料集或情境示例後，總結訊息或提供一般性指導方針。Wu、Antonova 和他們的同事借助 LLM 利用少量使用者輸入建立其偏好的摘要。例如，一個使用者可能輸入“紅色的衣服放在抽屜裡，白色的衣服放在壁櫥裡”，模型將制定出一般性偏好，然後指導機器人的行動。研究人員指出，關鍵挑戰是確保每件物品的合適位置，因為人們的偏好會因個人喜好或文化背景而不同。
大型語言模型透過訓練學習不同偏好
為了評估他們的方法，研究人員進行了一系列測試，評估從基於文字資料集的資料產生的一般偏好以及實際機器人進行個性化整理的能力。他們特別應用它於 TidyBot，這是他們研發的一款用於清潔地板並收拾周圍隨意物品並將它們放在特定位置的機器人。研究人員寫道：“這種方法實現了快速適應，並在我們的基準資料集上實現了 91.2％ 的準確率。”
大型語言模型潛力的應用發展
這個研究小組最近的工作突顯了 LLM 的潛力，不僅可以用於協助使用者完成書面任務或回答問題，還能增強機器人系統的能力。在未來，它可能啟發其他團隊開始測試這些模型在機器人應用上的潛力。研究人員提出的 LLM 方法和他們開發的 TidyBot 機器人，可能也會為建立越來越先進的家用機器人做出貢獻。進一步研究還可以進一步發展此方法，以改善其效能，例如使它能夠在高度雜亂的環境中更好地表現。
結論
人工智慧的發展不斷開拓著尚未被挖掘的領域，有了大型語言模型的加入，機器人能更好地適應使用者的需求，提供更個性化的協助，將來它將會在我們的生活中扮演越來越重要的角色。
