Yazar
Çelik, B., Ahmetoglu, A., Ugur, E., Öztop, Erhan
Basım Tarihi
2023
Basım Yeri
-
IEEE
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
978-166547075-9
Kayıt Numarası
fbb8f176-4dec-499b-bb73-fadeaf4ac0c4
Lokasyon
Bilgisayar Bilimi
Tarih
2023
Notlar
TÜBİTAK; Osaka Üniversitesi; Yeni Enerji ve Endüstriyel Teknoloji Geliştirme Organizasyonu; Japonya Bilimi Teşvik Derneği
Örnek Metin
Keşfetme ve kendini gözlemleme, bebeğin duyu-motor gelişiminin temel mekanizmalarıdır. Bu süreçler ayrıca beceri ve bilgi edinimini hızlandırmak için ebeveyn iskelesi tarafından yönlendirilir. Gelişimsel robotikte bu yaklaşım, iskele kaynağı olarak bir insanın hareket etmesiyle sıklıkla benimsenmiştir. Bu çalışmada, Büyük Dil Modellerinin (LLM'ler), eylemlerinin etkilerini tahmin etmeyi öğrenmeyi amaçlayan bir robotik sistem için iskele aracısı olarak görev yapıp yapamayacağını araştırıyoruz. Bu amaçla, bir nesnenin alınıp başka bir nesnenin üstüne veya yakınına yerleştirilebildiği bir nesne manipülasyon düzeni düşünülür. Benimsenen LLM'den, doğal dilde algoritmik olarak oluşturulmuş durum açıklamaları ve eylem seçimi alternatifleri aracılığıyla eylem seçim sürecini yönlendirmesi istenir. Bu kurulumda küpleri içeren simülasyon deneyleri, LLM kılavuzlu (GPT3.5 kılavuzlu) öğrenmenin, rastgele araştırmaya kıyasla yeni yapıların önemli ölçüde daha hızlı keşfedilmesini sağladığını göstermektedir. Ancak GPT3.5'in küp ve küre gibi farklı olanaklara sahip yapılar oluşturmada robotu etkili bir şekilde yönlendirmede başarısız olduğunu gözlemledik. Genel olarak, ince ayar yapılmadan bile LLM'lerin robot öğrenimini geliştirmek için orta düzeyde bir iskele aracısı olarak hizmet edebileceği, ancak yine de mevcut LLM'lerin robotik iskele görevlerinde uygulanabilirliğini sınırlayan uygunluk anlayışından yoksun oldukları sonucuna vardık.
DOI
10.1109/ICDL55364.2023.10364374
