مدل های زبانی بزرگ در رباتیک: مروری بر مدل های بینایی-زبان-کنش و افق های پیش رو

ظهور مدل های زبانی بزرگ، چهره رباتیک را در سال های اخیر دگرگون کرده است. اگر تا پیش از این، هر مهارت رباتیک نیازمند برنامه نویسی اختصاصی و داده های فراوان همان وظیفه بود، اکنون دانش گسترده ای که این مدل ها از داده های وب آموخته اند، به ربات ها امکان می دهد دستورهای زبان طبیعی را بفهمند و وظایف تازه را با داده کم انجام دهند. این مقاله یک مرور نظام مند بر کاربرد مدل های زبانی بزرگ در رباتیک ارائه می دهد، با تمرکز ویژه بر مدل های بینایی-زبان-کنش که ادراک، زبان و کنش را در یک معماری واحد یکپارچه می کنند. نخست روش شناسی جستجو و انتخاب مطالعات را شرح داده می شود، سپس ساختار سه مولفه ای این مدل ها، خانواده مدل های شاخص از RT-۱ تا π۰، و رویکردهای کلیدی شامل برنامه ریزی وظیفه با مدل زبانی، مدل های یکپارچه بینایی-زبان-کنش و معماری های سلسله مراتبی بررسی می شود. در پایان، چالش های اصلی این حوزه شامل: کمبود داده کنش، هزینه محاسباتی، تعمیم به محیط های تازه، اجرای بلادرنگ و ایمنی، تحلیل می شود. در نهایت مسیرهای پژوهشی آینده، از جمله خلا پژوهش در زبان فارسی، معرفی می شود. یافته محوری این است که این حوزه از مدل های تک منظوره به سمت سیاست های عمومی مبتنی بر مدل های بنیادی در حرکت است، اما شکاف میان نتایج آزمایشگاهی و استقرار واقعی همچنان جدی است.

کلیدواژه ها:

مدل های زبانی بزرگ ، رباتیک ، مدل های بینایی-زبان-کنش ، هوش مصنوعی مجسم ، یادگیری ربات