سیستم حافظه جدید محققان MIT برای رفع خطاهای ربات‌ها
محققان MIT سیستم حافظه جدیدی به نام UQ-DAAAM توسعه داده‌اند که به ربات‌ها کمک می‌کند اشیاء ذخیره‌شده با برچسب‌های اشتباه را شناسایی و اصلاح کنند. این سیستم با مقایسه تصاویر مختلف از یک شیء و ارزیابی میزان عدم قطعیت مدل‌های بینایی-زبانی، دقت ربات را در درک محیط اطراف به طور چشمگیری افزایش می‌دهد.
در شرایط اضطراری، ممکن است از یک دستیار رباتیک بخواهید یک دستگاه شوک‌دهنده قلبی را از راهرو بیاورد، اما اگر ربات به اشتباه آن را به عنوان کپسول آتش‌نشانی در حافظه خود ثبت کرده باشد، در پیدا کردن آن دچار مشکل خواهد شد. برای حل این مشکل، پژوهشگران آزمایشگاه MIT سیستم حافظه جدیدی را ابداع کرده‌اند که می‌تواند ورودی‌های نادرست در حافظه ربات را شناسایی و اصلاح کند.
این سیستم جدید که UQ-DAAAM نام دارد، مخفف عبارت «محاسبه عدم قطعیت برای توصیف هر چیز، در هر جا و در هر لحظه» است. این فناوری با مقایسه توصیف‌های متعدد از یک شیء که از زوایای گوناگون ثبت شده‌اند، میزان عدم قطعیت ربات را سنجیده و بهترین تصاویر را برای کاهش این عدم قطعیت انتخاب می‌کند. سپس مدل زبانی بزرگ (LLM)، این توضیحات را ترکیب کرده و توصیف دقیق‌تری از شیء را در حافظه ذخیره می‌کند.
پژوهشگران از تکنیک خاصی استفاده کرده‌اند تا این فرآیند با سرعت بالا و به صورت بلادرنگ روی یک ربات در حال حرکت اجرا شود. نتایج نشان می‌دهد که UQ-DAAAM توانسته است دقت توصیف اشیاء را ۵ درصد نسبت به روش‌های پیشین افزایش دهد و ابهام‌زدایی را برای حدود ۹۲ درصد از اشیاء محیط انجام دهد. این فناوری گامی مهم برای افزایش ایمنی و کارایی ربات‌ها در انجام وظایف پیچیده خانگی یا صنعتی محسوب می‌شود.
گزارش فارسی این خبر با کمک هوش مصنوعی و فقط بر اساس اطلاعات منتشرشده در منبع تهیه شده است.