Isang koponan sa Unibersidad ng Tokyo ang nag-unveil ng Alter3, isang humanoid robot na maaaring magsagawa ng mga paggalaw gamit ang GPT-4 Large Language Model (LLM). Ginagamit ng Alter3 ang pinakabagong tool Buksan ang AI upang dynamic na mag-assume ng iba't ibang pose, mula sa isang selfie pose hanggang sa ghosting, lahat nang hindi nangangailangan ng mga paunang naka-program na mga entry sa database.
"Ang tugon ng Alter3 sa nilalaman ng pakikipag-usap gamit ang mga ekspresyon ng mukha at mga galaw ay isang makabuluhang pag-unlad sa humanoid robotics na madaling iakma sa iba pang mga android na may kaunting pagbabago," sabi ng mga mananaliksik.
Sa larangan ng pagsasama ng LLM sa mga robot, ang focus ay sa pagpapabuti ng pangunahing komunikasyon at pagmomodelo ng mga makatotohanang tugon. Sinisiyasat din ng mga mananaliksik ang mga kakayahan ng LLM upang paganahin ang mga robot na maunawaan at maisagawa ang mga kumplikadong tagubilin, sa gayon ay madaragdagan ang kanilang paggana.
Ayon sa kaugalian, mababang antas ng pamamahala gumagana ay nakatali sa hardware at nasa labas ng saklaw ng mga korporasyon ng LLM. Lumilikha ito ng mga paghihirap para sa direktang pamamahala ng mga gawang nakabatay sa LLM. Ang paglutas ng problemang ito, ang Japanese team ay bumuo ng isang paraan ng pag-convert ng mga expression ng mga paggalaw ng tao sa code na naiintindihan para sa Android. Nangangahulugan ito na ang robot ay maaaring independiyenteng bumuo ng mga pagkakasunud-sunod ng mga aksyon sa paglipas ng panahon nang hindi nangangailangan ng mga developer na isa-isang i-program ang bawat bahagi ng katawan.
Sa panahon ng pakikipag-ugnayan, ang isang tao ay maaaring magbigay ng mga utos ng Alter3 tulad ng "Kumuha ng selfie gamit ang iyong iPhone". Kasunod nito, ang robot ay nagpasimula ng isang serye ng mga kahilingan sa GPT-4 upang makakuha ng gabay sa mga kinakailangang hakbang. GPT-4 ay isasalin ito sa Python code na nagpapahintulot sa gawain na "maunawaan" at maisagawa ang mga kinakailangang paggalaw. Ang pagbabagong ito ay nagpapahintulot sa Alter3 na ilipat ang kanyang itaas na katawan habang ang kanyang ibabang bahagi ng katawan ay nananatiling nakatigil, na nakadikit sa stand.
Ang Alter3 ay ang pangatlong pag-ulit sa serye ng mga humanoid robot ng Alter mula noong 2016, na ipinagmamalaki ang 43 actuator na responsable para sa mga ekspresyon ng mukha at galaw ng paa na pinapagana ng compressed air. Nagbibigay ang configuration na ito ng malawak na hanay ng mga nagpapahayag na galaw. Ang robot ay hindi makalakad, ngunit maaari nitong gayahin ang karaniwang paglalakad at pagtakbo.
Ipinakita rin ng Alter3 ang kakayahang kopyahin ang mga pose ng tao gamit ang camera at ang OpenPose framework. Inaayos ng robot ang mga kasukasuan nito sa naobserbahang mga postura at nagse-save ng matagumpay na mga imitasyon para magamit sa ibang pagkakataon. Ang pakikipag-ugnayan sa isang tao ay humantong sa mas iba't ibang mga postura, na sumusuporta sa ideya na ang iba't ibang mga paggalaw ay nagmumula sa paggaya sa tao, katulad ng kung paano natututo ang mga bagong silang sa pamamagitan ng imitasyon.
Bago ang LLM, kailangang maingat na kontrolin ng mga mananaliksik ang lahat ng 43 actuator upang muling likhain ang pose ng isang tao o gayahin ang isang pag-uugali, tulad ng paghahain ng tsaa o paglalaro ng chess. Nangangailangan ito ng maraming manu-manong pagsasaayos, ngunit AI tumulong na mapalaya ang koponan mula sa gawaing ito. “Inaasahan namin na epektibong makisali ang Alter3 sa diyalogo sa pamamagitan ng pagpapakita ng mga ekspresyon ng mukha at kilos na nauugnay sa konteksto. Ipinakita nito ang kakayahang magsalamin ng mga emosyon, halimbawa, upang ipakita ang kalungkutan o kaligayahan bilang tugon, sa gayon ay nagbabahagi ng mga emosyon sa amin, "sabi ng mga mananaliksik.
Basahin din: