TidyBot: un robot da riordino che impara le tue preferenze tramite LLM
In una frase Stanford presenta TidyBot, un sistema robotico che usa i LLM per personalizzare il comportamento di riordino domestico a partire da pochi esempi dell'utente. Raggiunge il 91,2% di completamento dei task, dimostrando la fattibilità della personalizzazione LLM-driven nella manipolazione.
Ogni casa è diversa. Qualcuno mette le tazze nell'armadietto a destra, qualcun altro in quello a sinistra. Un robot da riordino generico non può saperlo. TidyBot di Stanford risolve questo problema in modo ingegnoso: invece di programmare regole fisse, chiede a un LLM di inferire le preferenze dell'utente da pochi esempi.
Funziona così: mostri al robot tre o quattro esempi di dove vuoi mettere le cose ("le tazze vanno nell'armadietto", "i giochi dei bambini nel cestone"), e il modello linguistico genera automaticamente le regole di comportamento per tutto il resto. Se hai una tazza nuova che non ha mai visto, il robot capisce dove metterla basandosi sulle preferenze che ha già imparato.
I risultati sono notevoli: 91,2% di completamento dei task. Per un robot domestico che impara da pochissimi esempi, è una performance eccellente.
La svolta non è solo tecnica: TidyBot dimostra che i LLM non servono solo per rispondere a domande, ma possono diventare il "cervello delle preferenze" di un robot fisico. È uno dei primi sistemi a unire comprensione del linguaggio naturale e manipolazione robotica in un contesto veramente domestico.
Aziende
Stanford
Tool
—
Tag
Fonti