Исследователи из Технического университета Мюнхена и Нанкинского университета разработали новую систему машинного обучения LEGION, которая позволяет роботам постоянно приобретать новые навыки. В основе фреймворка лежит технология Dirichlet Process Mixture Models (DPMM), позволяющая динамически адаптироваться к неограниченному потоку новых задач без необходимости заранее определять их количество.
Ключевое преимущество LEGION — интеграция с большими языковыми моделями (LLM), что позволяет роботам напрямую понимать человеческие инструкции. Система способна разбивать сложные задачи на последовательность простых действий — например, для уборки стола робот может самостоятельно комбинировать такие навыки как перемещение предметов, открывание ящиков и нажатие кнопок в любом необходимом порядке.
В ходе первых испытаний на реальном роботе система продемонстрировала способность стабильно накапливать знания из непрерывного потока задач. В отличие от традиционного обучения, где все навыки осваиваются одновременно, LEGION может динамически адаптироваться к новым задачам, сохраняя и комбинируя полученные знания для улучшения производительности.
Исследователи планируют развивать технологию в нескольких направлениях: улучшение баланса между стабильностью и гибкостью обучения, перенос знаний между разными роботизированными платформами и адаптация к работе в неструктурированной среде. Также команда работает над использованием языковых моделей для динамической корректировки целей на основе вербальной обратной связи.
Источник новости и обложки: techxplore.com