यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है। यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है। पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।
यह शोधपत्र एक बहुमुखी रोबोटिक प्रणाली प्रस्तुत करता है जो एक खुले वातावरण में विभिन्न प्रकार के कार्य कर सकती है। यह प्रणाली जटिल निर्देशों, संकेतों और प्रतिक्रियाओं को संसाधित करने और चरण-दर-चरण कार्यों की योजना बनाने में सक्षम है। यह जटिल आदेशों और उपयोगकर्ता प्रतिक्रिया का विश्लेषण करने, सबसे उपयुक्त अगले चरण का अनुमान लगाने और फिर उस चरण को निम्न-स्तरीय क्रिया के रूप में निष्पादित करने के लिए एक पदानुक्रमित दृष्टि-भाषा मॉडल का उपयोग करता है। प्रत्यक्ष आदेश निष्पादन के विपरीत, जो सरल आदेशों ("कप उठाओ") को निष्पादित करता है, यह प्रणाली जटिल संकेतों को समझ सकती है और कार्य निष्पादन के दौरान संदर्भ-संवेदनशील प्रतिक्रिया ("यह कचरा नहीं है") को एकीकृत कर सकती है। टेबल साफ़ करने, सैंडविच बनाने और किराने की खरीदारी जैसे कार्यों को करने की प्रणाली की क्षमता का मूल्यांकन तीन रोबोटिक प्लेटफ़ॉर्म पर किया जाता है: एक-हाथ, एक दोहरे हाथ और एक दोहरे हाथ वाला मोबाइल रोबोट।
Takeaways, Limitations
•
Takeaways:
◦
यह रोबोटिक प्रणालियों के निर्माण की क्षमता को प्रदर्शित करता है जो जटिल भाषा आदेशों और प्रासंगिक फीडबैक को संसाधित कर सकती हैं।
◦
विभिन्न रोबोट प्लेटफार्मों पर इसकी प्रयोज्यता का प्रयोगात्मक सत्यापन किया गया।
◦
दृष्टि-भाषा मॉडल के पदानुक्रमित उपयोग के माध्यम से कुशल कार्य निष्पादन।
•
Limitations:
◦
पेपर में प्रस्तुत प्रणाली की सामान्यीकरणीयता और मजबूती पर आगे विश्लेषण की आवश्यकता है।
◦
विभिन्न वातावरणों और कार्यों के लिए मापनीयता सत्यापन आवश्यक है।
◦
अप्रत्याशित परिस्थितियों या त्रुटियों से निपटने की क्षमता पर और अधिक शोध की आवश्यकता है।
