TLDR
BrainBody-LLM adalah terobosan dalam perencanaan dan pelaksanaan tugas robot. Sistem umpan balik tertutup memungkinkan robot beradaptasi dengan kondisi lingkungan secara real-time. Pengembangan lebih lanjut diperlukan untuk penggunaan di situasi dunia nyata yang lebih kompleks. Para peneliti di NYU Tandon School of Engineering mengembangkan sebuah algoritma baru bernama BrainBody-LLM yang membuat robot mampu merencanakan tindakan, menyesuaikan gerakan saat menjalankan tugas, dan belajar dari umpan balik secara real-time seperti manusia. Hal ini sangat berbeda dengan robot tradisional yang biasanya hanya mengikuti instruksi tanpa adaptasi.Algoritma ini menggunakan dua model bahasa besar (LLM) yang saling terhubung; Brain LLM bertugas membuat rencana besar dengan memecah tugas kompleks menjadi langkah-langkah kecil, sedangkan Body LLM mengubah langkah tersebut menjadi perintah teknis untuk menggerakkan bagian robot secara tepat.Salah satu keunggulan utama BrainBody-LLM adalah sistem umpan balik tertutup yang terus menerus memonitor tindakan dan lingkungan di sekitar robot. Jika ada kesalahan atau hambatan, informasi ini dikirim kembali ke sistem LLM agar rencana dan pergerakan dapat disesuaikan secara langsung.Pengujian dilakukan dalam simulasi dengan VirtualHome dan pada robot fisik Franka Research 3. Hasilnya, algoritma ini mampu meningkatkan keberhasilan menyelesaikan tugas hingga 17 persen di simulasi dan berhasil menangani sebagian besar tugas di robot nyata, menunjukkan hasil yang lebih baik dibanding pendekatan sebelumnya.Walau sangat menjanjikan, teknologi ini masih dalam tahap awal dan diuji dalam kondisi yang terkontrol saja. Peneliti menyebutkan bahwa untuk masa depan, mereka akan menambahkan sensor dan multimodalitas yang lebih beragam agar robot dapat bekerja dengan aman dan andal di lingkungan nyata yang lebih dinamis.
