Onderzoekers onder leiding van Gengze Zhou introduceerden NavGPT-3, een runtime die een groot taalmodel koppelt aan een actiebeleid met lage latentie voor robots. De runtime voert redeneren, handelen en monitoren uit in afzonderlijke threads, zodat de robot snel kan ingrijpen en van taak kan wisselen. Het actiebeleid met 8 miljard parameters, getraind op 19.28 miljoen voorbeelden, behaalde op de R2R‑CE-benchmark al een slagingspercentage van 74.5%. Met het volledige systeem kwam NavGPT-3 op die test uit op 81.5% en evenaarde het de menselijke prestaties op RxR‑CE. De robot legde routes af in ongeveer 1 minuut 22 seconden per episode.
Waarom het ertoe doet
Dit laat zien dat robots taalredenering op hoog niveau kunnen combineren met snelle besturing op laag niveau. Zo komt autonome navigatie dichter bij de snelheid en betrouwbaarheid van mensen.
