A Google új módszert mutatott be nagy nyelvi modellek (large language models, LLM) felhasználására. Lényege, hogy robotok emberek utasításai (promptok) alapján képesek megírni a saját kódjukat.

A munka a vállalat egyik új nyelvi modelljén alapul. A modell lehetővé teszi, hogy robotok megértsenek emberek által adott utasításokat, majd racionálisan és biztonságosan reagáljanak rájuk a fizikai térben. A kivitelezéshez az OpenAI híres GPT-3-ját és kapcsolódó automatizált kódkiegészítéseket (például a GitHub Copilotját) is használták.

Mi történik akkor, ha robotok utasítások alapján autonóm megírják a világgal folytatott interakciókhoz szükséges saját kódjukat? – tették fel a kérdést a Google kutatói.

Volt okuk a bizakodásra, mert a nyelvi modellek legújabb generációja képes bonyolult következtetésekre, ráadásul többmillió kódsoron gyakoroltatják őket. A kutatók rájöttek, hogy a modellek természetes nyelvű utasításokat követve nemcsak általános, hanem robotok cselekvéseit irányító kódokat is tudnak írni (Kód, mint szabályozás a fejlesztés neve). A kódíró LLM-eket át is programozhatják azzal a céllal, hogy természetes nyelvű utasításokra reagálva, írjanak robotokat szabályozó kódokat.

A felhasználó például azt mondja, hogy „tedd az építőkockákat az üres tálcára”, mire a nyelvi modell a kódot Pythonban író és a robotot az elmondottak követésére utasító programot generál. A Google szerint nyelvi modellek – különösen a CaP – jobbak erre a feladatra, mint a korábbi megoldások.

Sőt, még bonyolultabb feladatok elvégzésére is utasíthatják a robotokat, és néhány szavas promptokból közvetlenül írhatják a kódot. A CaP pontos értékeket, például a nem egyértelmű leírásokon („gyorsabban”, „balra” stb.) alapuló sebességet is képes értelmezni, de az angolon kívül más nyelvekkel és emojikkal is elboldogul.

Egyelőre ott tart, hogy a gépeket különböző színű építőkockák például 2D négyzetre helyezésére ösztönözze, de az építőkockákkal történő házépítésre, azaz jóval komplexebb utasítássor megadására még nem képes. Az ok: nincsenek 3D-s referenciái.

A CaP plusz rugalmasságot ad a robotnak, az viszont potenciális kockázatokkal, például előre nem kalkulált viselkedéssel is járhat.