En un esfuerzo por revolucionar la interacción humano-robot, un grupo de investigadores ha estudiado la implementación de Modelos de Lenguaje de Gran Escala (LLM) y el Procesamiento de Lenguaje Natural (NLP) en robótica móvil. Estos modelos proponen un cambio significativo al usar dispositivos periféricos, lo que elimina la dependencia tradicional de la nube.
Este estudio compara dos aplicaciones específicas: GPT-4-Turbo y una versión cuantificada del LLaMA 2, denominando LLaMA 2-7B.Q5 K M. GPT-4-Turbo, que depende de la conectividad a la nube, demostró un desempeño superior en la interpretación y ejecución de comandos complejos. En contraste, LLaMA 2, que puede funcionar sin conexión, presentó limitaciones notables en la consistencia y fiabilidad de la ejecución de comandos.
Para manejar la comunicación entre el equipo de control y un robot móvil, el estudio utilizó un Raspberry Pi Pico W e integró el robot con un controlador Arduino. Esta configuración estableció la comunicación sin dependencia de Internet. La eficiencia de un entorno fuera de línea es atractiva para contextos donde las preocupaciones de seguridad de datos y confiabilidad son prominentes, como en operaciones de rescate o áreas remotas.
La investigación señaló que la integración de modelos de lenguaje y el NLP en dispositivos periféricos podría ampliar significativamente las capacidades de interacción fluida entre humanos y robots. Esto supone un avance hacia sistemas robóticos completamente autónomos e independientes de redes.
Los hallazgos, compartidos a través de una serie de experimentos, sugieren que el modelo GPT-4-Turbo cuenta con un 85% de precisión en la ejecución de comandos, superando claramente al modelo cuantificado LLaMA 2, que alcanzó solo un 13%. No obstante, las pruebas destacaron la importancia de optimizar el rendimiento del modelo LLaMA 2 para que sus aplicaciones robóticas sean más fiables.
Este trabajo despliega una base sólida para futuras investigaciones y desarrollo sobre control robótico autónomo. Una conclusión clara de esta investigación evidenció que, aunque hay progreso con los modelos offline, se necesita más refinamiento para cumplir con las expectativas y necesidades del mundo real. En definitiva, aunque los avances son prometedores, el camino hacia una autonomía completa sigue requiriendo más exploraciones.