Chelsea Finn исследует, как научить роботов лучше осваивать новые задачи
Роботы и AI‑агенты по‑прежнему ограничены в способности учиться новому. Эту проблему изучает Chelsea Finn, профессор компьютерных наук и инженерии в Stanford. Ее исследования сосредоточены на создании подходов, которые помогают автономным системам рассуждать при выполнении сложных задач.
Один из подходов предполагает обучение роботов разбиению крупных задач на более мелкие шаги. Однако даже когда система понимает подзадачу, перевод этого понимания в низкоуровневые моторные команды остается крайне сложной задачей. По словам Finn, значительная часть ее работы посвящена именно управлению такими моторными действиями, поскольку это во многих отношениях сложнее.
В своих исследованиях она разрабатывает иерархические модели машинного обучения, которые используют chain-of-thought reasoning и language models для пошагового анализа задач. Finn считает, что хотя роботы и агенты со временем смогут выполнять многие умственные и физические виды работы, им требуется дополнительная исследовательская работа, чтобы повысить надежность перед применением в важных рабочих ситуациях.
Ключевые факты
Челси Финн, профессор компьютерных наук и инженерии в Stanford, исследует методы обучения для автономных систем и роботов.
В ее исследованиях роботов обучают разбивать большие задачи на более мелкие подзадачи.
Финн отмечает, что перевод даже известной подзадачи в низкоуровневые моторные команды для роботов остается крайне сложной задачей, и значительная часть ее работы связана с низкоуровневым моторным управлением.
Работа Финн включает разработку иерархических моделей машинного обучения, которые используют chain-of-thought рассуждение и языковые модели для пошагового решения задач.