Ученые представили инновационную платформу для взаимодействия человека и робота, основанную на архитектуре трансформеров и Retrieval-Augmented Generation (RAG). Данное решение наделяет машины способностью обучаться на ошибках и мгновенно адаптироваться.
Исследователи создали прогрессивную методологию организации кооперации между людьми и робототехникой в промышленных условиях. Ядро разработки составляет комбинация Retrieval-Augmented Generation (RAG) и специализированных трансформерных нейросетей. Такая архитектура обеспечивает роботам не только доступ к текущим данным в реальном времени, но и возможность гибкой коррекции действий. Научные результаты обнародованы в журнале Scientific Reports.
Предложенная методология позволяет автоматизированным системам анализировать ошибочные действия и оперативно корректировать поведение, что критически важно для производственных циклов. Ключевым элементом выступает механизм regret-based learning, предназначенный для изучения погрешностей и предотвращения их воспроизведения.
Пилотные испытания в виртуальной производственной среде зафиксировали значительное улучшение ключевых показателей. Длительность операций сократилась на 28,5%, частота сбоев уменьшилась на 60,2%, а необходимость корректировок оператора снизилась на 79,7%. Отдельно оценивался коэффициент «интимности» взаимодействия, отражающий уровень доверия и частоту вмешательств.
Разработка играет определяющую роль для перехода к концепции Industry 5.0, где центральными требованиями выступают адаптивность и гибкость. При этом авторы отмечают существующие технологические барьеры, включая проблемы масштабирования, персонализации обучаемых систем и этические аспекты автономного принятия решений.
Читайте также: Раскрыты сверхдоходы разработчиков искусственного интеллекта