Ученые представили новую систему взаимодействия человека и робота на основе трансформерных нейросетей и Retrieval-Augmented Generation (RAG). Технология позволяет машинам учиться на ошибках и адаптироваться в реальном времени.
Исследователи разработали инновационный подход к организации взаимодействия между человеком и роботом в производственных условиях. В основе системы лежит комбинация Retrieval-Augmented Generation (RAG) и тонко настроенных трансформерных нейронных сетей. Эта архитектура позволяет роботам не только получать доступ к актуальной информации в реальном времени, но и динамически адаптировать свое поведение. Результаты исследования были опубликованы в журнале Scientific reports.
Разработанный подход позволяет машинам учиться на ошибках и адаптироваться в реальном времени, что особенно актуально для производственных процессов. Ключевым компонентом системы является механизм regret-based learning, помогающий анализировать ошибки и предотвращать их повторение.
Тестовые испытания в виртуальной производственной среде зафиксировали существенное улучшение рабочих показателей. Время выполнения операций сократилось на 28,5%, частота ошибок уменьшилась на 60,2%, а потребность в корректирующих действиях оператора снизилась на 79,7%. Отдельно оценивался параметр «интимности» взаимодействия, учитывающий степень доверия и частоту вмешательств.
Разработка имеет стратегическое значение для перехода к концепции Industry 5.0, где ключевыми требованиями выступают гибкость и адаптивность.
При этом исследователи отмечают существующие технологические ограничения, включая вопросы масштабирования, индивидуальной настройки обучаемых систем и этические аспекты автономного принятия решений.
