Sebuah tim peneliti dari University of California, San Diego, telah meluncurkan kerangka kerja yang bertujuan untuk memajukan kemampuan dunia nyata robot berkaki empat yang dilengkapi dengan manipulator. Seperti yang diuraikan dalam studi mereka, yang diterbitkan di server pracetak arXiv, kerangka kerja, bernama WildLMa, berupaya meningkatkan kemampuan robot untuk melakukan tugas manipulasi lokomotif di lingkungan yang dinamis dan tidak terstruktur.
Menurut penelitian, tugas-tugas seperti mengumpulkan sampah rumah tangga, mengambil barang-barang tertentu, dan mengirimkannya ke lokasi yang ditentukan dapat dilakukan oleh robot yang menggabungkan penggerak dengan manipulasi objek. Sementara teknik pembelajaran imitasi sebelumnya telah digunakan untuk melatih robot untuk operasi semacam itu, tantangan dalam menerjemahkan keterampilan ini ke skenario dunia nyata tetap ada.
Dalam sebuah wawancara dengan Tech Xplore, Yuchen Song, peneliti utama studi tersebut, menjelaskan, “Kemajuan pesat dalam pembelajaran imitasi telah memungkinkan robot untuk belajar dari demonstrasi manusia. Namun, sistem ini sering berfokus pada keterampilan khusus yang terisolasi dan mereka berjuang untuk beradaptasi dengan lingkungan baru.” Kerangka kerja, menurut Song, dirancang untuk mengatasi kekurangan ini dengan menggunakan Model Bahasa Visi (VLM) dan Model Bahasa Besar (LLM) untuk perolehan keterampilan dan dekomposisi tugas.
Fitur Utama Kerangka Kerja WildLMa
Para peneliti menyoroti beberapa elemen inovatif dari kerangka kerja mereka. Sistem teleoperasi berbasis realitas virtual digunakan untuk menyederhanakan pengumpulan data demonstrasi, memungkinkan operator manusia untuk mengontrol robot dengan satu tangan. Algoritma kontrol yang telah dilatih sebelumnya digunakan untuk merampingkan operasi ini.
Selain itu, LLM diintegrasikan untuk memecah tugas kompleks menjadi langkah-langkah yang lebih kecil dan dapat ditindaklanjuti. “Hasilnya adalah robot yang mampu menjalankan tugas multi-langkah yang panjang secara efisien dan intuitif,” kata Song. Mekanisme perhatian juga digabungkan untuk meningkatkan kemampuan beradaptasi dan fokus pada objek target selama pelaksanaan tugas.
Aplikasi yang Didemonstrasikan dan Tujuan Masa Depan
Potensi kerangka kerja ditunjukkan melalui eksperimen dunia nyata. Tugas-tugas seperti membersihkan lorong, mengambil pengiriman, dan mengatur ulang barang berhasil dilakukan. Namun, menurut Song, gangguan tak terduga, seperti individu yang bergerak, dapat memengaruhi kinerja sistem. Upaya untuk meningkatkan kekokohan di lingkungan yang dinamis sedang berlangsung, dengan visi menciptakan robot asisten rumah yang dapat diakses dan terjangkau.
