انجام وظایف پیچیده توسط ربات با شکستن آنها به مهارت های ساده و طرح ریزی با استفاده از مدل های زبان بزرگ

در این مقاله، رویکردی برای شکستن وظایف پیچیده ی رباتیک به مهارت های پایه ای و ترکیب آن ها برای انجام وظایف پیچیده ارائه شده است. در به کارگیری ربات ها برای انجام وظایف پیچیده چالش هایی همچون زمان بر بودن یادگیری، عدم تعمیم پذیری، و عدم تعامل انسانی وجود دارد. در این مقاله در قدم اول ایده شکستن وظایف پیچیده به مهارت های ساده مطرح می شود تا یک ربات با یادگیری مهارت های پایه بتواند تنوع زیادی از مهارت های پیچیده را به انجام برساند. بدین طریق زمان یادگیری کمتر شده و تعمیم پذیری نسبتا خوبی هم حاصل می شود. برای طرح ریزی وظایف، از مدل های زبان بزرگ مانند چت جی پی تی و دیپ سیک استفاده شده است که توانایی آن ها در ارائه ی برنامه های عملی برای ترکیب مهارت های پایه بررسی می شود. دو دسته دستورالعمل یکی با ورودی ها واضح و دیگری با مقادیر فازی به سیستم داده می شود. نتایج نشان می دهد که مدل های زبان بزرگ ذکر شده نه تنها در مواجهه با ورودی های واضح بلکه حتی در مواجهه با ورودی های فازی توانایی مناسبی در درک دستور وظیفه داده شده و برنامه ریزی اقدامات برای ربات دارند و لذا با کمک آنها یک سیستم رباتی تعاملی را می توان ایجاد نمود.

کلیدواژه ها:

مدلهای زبان بزرگ ، شکستن وظایف ، ربات ، طرح ریزی ، منطق فازی