Roman Remberהמסגרת החדשה שפותחה על ידי מעבדת הלמידה הרקורסית של מכון הטכנולוגיה של MIT מיועדת לשנות את סדרי העדיפות בתכנון רובוטי ולאפשר ניתוח משימות מורכבות בדיוק גדול יותר. המסגרת "Compositional Foundation Models for Hierarchical Planning" (HiP) משתמשת בידע של שלושה מודלים שונים כדי לפתח תוכניות מפורטות ובר-תוקפניות לרובוטים בסביבות שונות, כולל בבתים, במפעלים ובאתרי בנייה.
בניגוד למודלים מולטימודאליים קודמים, המתבססים על נתונים מצוירים, שפה ופעולה, HiP מבוסס גישה שונה. הוא משתמש בשלושה מודלים שונים כדי לפתח יכולות קבלת החלטות מפותחות לרבוטים. כל מודל תופס אספקט שונה של תהליך קבלת ההחלטות ושותף לשני האחרים בעת קבלת ההחלטות.
אחת מיתרונותו החשובים של HiP היא הפיכתו ללא צורך בנתונים מצוירים, לשפה ולפעולה, שניתן להם להתקשות להשגתם. זה שומר על תהליך התכנון קודם כל נעים ונגיש. בנוסף, על ידי שילוב הבנת הלשון, הפיזית והסביבתית ברובוט, HiP מציע פתרון נוח יעיל וכלכלי עם כלכלה מיידית שבשוויו לעמוד מודלים מונוליטיים.
ג'ים פאן, חוקר AI ב-NVIDIA, הממליץ בחמה על מסגרת HiP עקרונותית ששותפה לתכנון המורכב לשלושה מודלים רכיבים. לדבריו, הגישה הזו מביאה להחלטת קבלת ההחלטות היא יותר נגישה ומוחזקת, מה שמהווה קידום משמעותי בתחום.
האפשרויות שמתודות HiP מציעות אינסופיות. המערכת עשויה לסייע לרובוטים במשימות בבית כמו שמירה על פריטים או טעינת מדיח מדויקת. היא יכולה גם לתמוך במשימות בבניין ובייצור במספר שלבים, כגון צבירה ודיוק מחדש של חומרים שונים בסדרים מסוימים.
החדשנות המבואה על ידי מסגרת HiP פותחת את הדרך לרובוטים חכמים ויכולים עם יכולות גבוהות המסוגלים לבצע משימות מורכבות באופן חלק בתחומים שונים. עם פיתוח נוסף ויישום, היישומים הפוטנציאליים של טכנולוגיה זו אין קץ.
