教机器人寻求帮助：安全和效率的突破

“我们希望机器人请求足够的帮助，以便我们能够达到用户期望的成功水平。”艾伦·任说，我们希望减少机器人所需的总体帮助量。

第七届机器人学习年会上提出的最新研究探讨了一种教机器人在执行任务时请求更多指令的新方法，目的是提高安全性和效率。 这项研究由普林斯顿大学和谷歌的工程师进行，可以帮助制造具有更好功能和更像人类的特征的机器人。 工程师们正在使用大型语言模型 (LLM) 来让机器人看起来更人性化，但也可能存在缺陷。

该研究由普林斯顿大学机械和航空航天工程助理教授、合著者 Anirudha Majumdar 博士共同撰写。

纽约市、加利福尼亚州和山景城的研究人员在实验室中使用法学硕士方法来研究机器人手臂。 在实验中，机器人被指示完成许多任务，例如将碗放入微波炉或重新排列柜台上的物品。 LLM 算法根据指令计算概率以确定最佳选择。 然后，当达到概率阈值时，它会请求帮助。 例如，人类会要求机器人将两个碗中的一个放入微波炉，但没有具体说明是哪一个。 然后，LLM 算法会触发，这会导致机器人请求额外的帮助。

来源和详细信息：
https://www.labroots.com/trending/technology/26292/teaching-robots-help-breakthrough-enhancing-safety-efficiency-2