What AIs are not Learning (and Why): Bio-Inspired Foundation Models for Robots

要約

便利なロボット (テレロボットを含む) を作るのは難しく、堅牢で汎用的な自律型ロボットを作るのはさらに困難です。
現在のスマート ロボットは、手動プログラミング、数学的モデル、計画フレームワーク、強化学習を使用して作成されています。
これらの方法では、深層学習、生成 AI、基盤モデル (FM) で見られるようなパフォーマンスと汎用性の飛躍的な向上にはつながりません。
今日のロボットは、在宅介護を提供したり、看護助手になったり、家事をしたりすることを人間とほぼ同じように学習することはできません。
ロボット サービス アプリケーションの素晴らしい機会に対処するには、アプリケーションの作成方法を改善する必要があります。
二足歩行多感覚ロボット (「本体」) の高コストは、研究と展開の両方にとって大きな障害となっています。
さらに深刻な問題は、主流の FM (「マインド」) が、現実世界のコンテキストでの感知、行動、学習をサポートしていないことです。
これらは、コミュニケーションをうまくとったり、協力したりするロボットにはつながりません。
これらは、必要に応じて実験したり、他人に尋ねたり、模倣学習したりして学習しようとするロボットにはつながりません。
これらは、サービス アプリケーションに広く導入できるほどの知識を備えたロボットにはつながりません。
この論文では、人間と互換性のあるサービス ロボットが知っておくべきことを中心に説明します。
ブートストラップ用の体験型 (別名「ロボット」) FM を開発することを推奨しています。

要約(オリジナル)

It is hard to make robots (including telerobots) that are useful, and harder to make autonomous robots that are robust and general. Current smart robots are created using manual programming, mathematical models, planning frameworks, and reinforcement learning. These methods do not lead to the leaps in performance and generality seen with deep learning, generative AI, and foundation models (FMs). Today’s robots do not learn to provide home care, to be nursing assistants, or to do household chores nearly as well as people do. Addressing the aspirational opportunities of robot service applications requires improving how they are created. The high cost of bipedal multi-sensory robots (‘bodies’) is a significant obstacle for both research and deployment. A deeper issue is that mainstream FMs (‘minds’) do not support sensing, acting, and learning in context in the real world. They do not lead to robots that communicate well or collaborate. They do not lead to robots that try to learn by experimenting, by asking others, or by imitation learning as appropriate. They do not lead to robots that know enough to be deployed widely in service applications. This paper focuses on what human-compatible service robots need to know. It recommends developing experiential (aka ‘robotic’) FMs for bootstrapping them.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google