En un esfuerzo por mejorar la eficiencia y la seguridad en las tareas de colaboración entre robots, un grupo de investigadores ha desarrollado un nuevo marco de colaboración multi-robot llamado HMCF, aprovechando modelos de lenguaje de gran escala (LLMs). El objetivo de este proyecto es facilitar la interacción humana y la gestión de robots en escenarios complicados gracias a la orientación humana y las capacidades avanzadas de verificación de tareas.
En el núcleo de HMCF se encuentra la integración de LLMs, lo que permite a los robots interpretar comandos de alto nivel y convertirlos en instrucciones ejecutables de manera efectiva. Estos modelos ofrecen una capacidad de generalización mejorada, permitiendo a los robots adaptarse a una variedad de entornos y tareas, desde respuesta a desastres hasta automatización industrial. Sin embargo, uno de los principales retos que enfrentan es el fenómeno de “alucinaciones”, donde los modelos generan instrucciones inapropiadas o inviables que podrían ser peligrosas si los robots las siguen en la vida real.
Para superar estos problemas, HMCF introduce la supervisión humana en tiempo real junto con la verificación descentralizada de tareas. Esta combinación asegura que las instrucciones generadas por los modelos sean revisadas antes de la ejecución, reduciendo así potenciales errores. Durante diversas pruebas, este enfoque mostró un aumento del 4.76% en las tasas de éxito de las tareas en comparación con otros métodos de planificación de tareas de última generación.
El sistema se probó en simulaciones utilizando un entorno estándar llamado BEHAVIOR-1K, que contiene una variedad de escenas cotidianas. Estas pruebas han demostrado que HMCF es capaz de manejar tareas complejas con múltiples robots, desde robots con ruedas hasta robots con patas, colaborando para superar las limitaciones inherentes a cada uno.
Además, se realizó un despliegue en un escenario del mundo real donde un equipo formado por un pequeño rover, un rover mejorado y un robot perro mecánico logró identificar eficazmente la ubicación de varios objetos bajo supervisión humana, demostrando así la robusteza y adaptabilidad del sistema en situaciones reales.
El HMCF representa un paso adelante en la colaboración humano-robot, brindando una plataforma versátil y dinámica que combina los mejores aspectos de la supervisión humana con las avanzadas capacidades de los modelos de lenguaje, ofreciendo así un potencial significativo para adaptarse a escenarios industrialmente complejos. Se prevén futuros trabajos para ampliar este marco a despliegues a gran escala, explorando el potencial de interacción en dominios industriales más amplios, mientras se abordan las limitaciones actuales como la escalabilidad y la infraestructura de comunicación.