Contents

대규모 언어 모델은 홈 로봇이 사람의 도움 없이 오류를 복구하는 데 도움이 될 수 있습니다.

Contents

/images/large-language-models-can-help-home-robots-recover-from-errors-without-human-help.jpg

가격, 기능, 크기 제약, 내비게이션 기능 등 수많은 요인들이 룸바의 초기 성공 이후 가정용 로봇의 광범위한 도입을 가로막고 있습니다. 이러한 문제를 극복하려는 시도에도 불구하고 오류 취약성에 대한 우려는 여전히 광범위한 수용을 가로막는 잠재적 장애물로 남아 있습니다.

자동화 시스템의 문제를 해결할 때 기술 전문 지식이 필요하다는 점도 업계 내 잠재적인 긴장감의 원인 중 하나입니다. 대기업은 이러한 문제를 효과적으로 관리할 수 있는 여력이 있을 수 있지만, 개인 소비자가 문제가 발생할 때마다 프로그래밍 기술을 습득하거나 전문 인력을 보유할 것이라고 가정하는 것은 비현실적입니다. 다행히도 최근 매사추세츠 공과대학교(MIT)에서 수행한 연구에서는 로봇 공학 분야에서 이러한 문제를 쉽게 해결하기 위해 대규모 언어 모델(LLM)을 활용할 수 있는 방법을 강조하고 있습니다.

5월에 열리는 국제 학습 표현 컨퍼런스(ICLR)에서 발표될 예정인 연구는 실수를 수정하는 과정에 약간의 ‘상식’을 도입하는 것을 목표로 합니다.

실제로 로봇은 놀라운 모방 능력을 가지고 있는 것으로 관찰되었습니다. 그러나 엔지니어가 상상할 수 있는 모든 중단이나 교란에 적응하도록 특별히 프로그래밍하지 않으면 이러한 상황을 효과적으로 탐색하는 데 어려움을 겪을 수 있으며, 다시 작업을 시작하기 위해 프로세스의 처음으로 돌아가야 할 수도 있습니다.

전통적인 접근 방식에서는 로봇이 미리 정의된 대안을 먼저 탐색한 후 사람의 도움을 요청하는데, 특히 사소한 변경만으로도 운영 효율성이 저하될 수 있는 가정 환경과 같은 역동적인 환경에서는 더욱 그렇습니다.

가정용 로봇의 영역에서 모방 학습은 주목을 받고 있지만, 원활한 작동을 방해할 수 있는 무수히 많은 사소한 환경 불일치에 대처하지 못해 완전한 리셋이 필요하다는 한계가 있습니다. 이러한 결함은 현재 조사를 통해 부분적으로 보완되고 있는데, 이 조사는 시연을 중단 없는 일련의 행동으로 간주하지 않고 세분화합니다.

이후에는 프로그래머가 각 개별 하위 작업에 수동으로 주석을 달고 할당할 필요가 없게 됨으로써 대규모 언어 모델(LLM)이 중요한 역할을 하게 됩니다.

사람의 안내와 자율 운영 간의 원활한 통합을 위해 저희 팀은 LLM이 자연어로 주어진 작업의 각 단계에 대한 자세한 지침을 제공할 수 있는 시스템을 고안했습니다.반면에 인간의 시연은 지속적인 수행을 통해 이러한 단계를 물리적 영역에서 구현합니다. 우리의 목표는 로봇이 외부 개입 없이도 작업 내에서 현재 상태를 효과적으로 파악하고 그에 따라 적응할 수 있도록 이 두 가지 측면을 연결하는 것이었습니다.

이 조사 범위 내에서 수행된 실험에서 로봇은 구슬을 퍼서 빈 용기에 넣도록 훈련되었습니다. 인간에게는 일상적인 과제이지만 로봇에게는 몇 가지 복잡한 과정을 거쳐야 합니다. 다행히도 언어 모델(LLM)은 이러한 세세한 부분까지 식별하고 분류할 수 있는 능력을 갖추고 있습니다. 테스트 중에 과학자들은 약간의 편차를 일으키고 도구에서 일부 구슬을 제거하여 성능을 방해했습니다. 놀랍게도 로봇은 처음부터 모든 것을 다시 시작하는 대신 추진력을 잃지 않고 무수히 많은 작은 작업을 조정하여 이러한 장애를 자율적으로 해결했습니다.

Wang은 이러한 접근 방식을 통해 프로그래밍이나 추가 시연을 위한 사람의 개입 없이도 로봇이 스스로 오류를 수정할 수 있다고 강조합니다.

이 접근 방식을 사용하면 개인이 완전히 광기에 빠지는 것을 효과적으로 방지하고 인지적 명료성을 유지할 수 있습니다.