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) を構築するのは難しく、堅牢で汎用的な自律型ロボットを構築するのはさらに困難です。
現在のロボットは、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構築されています。
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、在宅ケアを提供したり、看護助手になったり、家事やその他のサービスを確実に実行したりすることを学習しません。
ロボット サービス アプリケーションの待望の機会に対処するには、そこに到達するための経路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」) が世界の感知と行動をサポートしていないことです。
これらは、実験したり、通信したり、協力したりするロボットにはつながりません。
これらは、他者から学び、他者とともに学ぶ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展開するのに十分な知識を備えたロボットにはつながりません。
このペーパーでは、サービス ロボットが知っておく必要があることに焦点を当てます。
サービス ロボットをブートストラップするための経験的な 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 build robots (including telerobots) that are useful, and harder to build autonomous robots that are robust and general. Current robots are built 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 and other services reliably. Addressing the aspirational opportunities of robot service applications requires improving the path to get there. 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 and acting in the world. They do not lead to robots that experiment, communicate, or collaborate. They do not lead to robots that learn from and with others. They do not lead to robots that know enough to be deployed in service applications. This paper focuses on what service robots need to know. It recommends developing experiential FMs for bootstrapping service robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google