Bài trình bày này nêu bật những nỗ lực gần đây tại Phòng thí nghiệm Vật lý Ứng dụng Johns Hopkins nhằm thúc đẩy AI tác nhân (agentic AI) cho các nhóm robot cộng tác. Bài trình bày bắt đầu bằng việc trình bày những thách thức cốt lõi trong việc cho phép tự chủ, phối hợp và khả năng thích ứng trên các hệ thống không đồng nhất, sau đó giới thiệu một kiến trúc có thể mở rộng được thiết kế để hỗ trợ các hành vi tác nhân trong môi trường đa robot. Bài nói chuyện kết thúc bằng những thách thức chính gặp phải và những bài học thực tế rút ra từ nghiên cứu và phát triển đang diễn ra.
Những nội dung chính
Cung cấp phần giới thiệu về các tác nhân AI dựa trên LLM (mô hình ngôn ngữ lớn)
Mô tả một phương pháp tiếp cận để áp dụng LLM-ba
Bài trình bày này nêu bật những nỗ lực gần đây tại Phòng thí nghiệm Vật lý Ứng dụng Johns Hopkins nhằm thúc đẩy AI tác nhân (agentic AI) cho các nhóm robot cộng tác. Bài trình bày bắt đầu bằng cách trình bày những thách thức cốt lõi trong việc cho phép tự chủ, phối hợp và khả năng thích ứng trên các hệ thống không đồng nhất, sau đó giới thiệu một kiến trúc có thể mở rộng được thiết kế để hỗ trợ các hành vi tác nhân trong môi trường đa robot. Bài nói chuyện kết thúc bằng những thách thức chính đã gặp phải và những bài học thực tế rút ra từ nghiên cứu và phát triển đang diễn ra.
Những nội dung chính:
- Giới thiệu về các tác nhân AI dựa trên LLM (mô hình ngôn ngữ lớn).
- Mô tả một phương pháp tiếp cận để áp dụng các tác nhân AI dựa trên LLM cho các nhóm robot.
- Cung cấp các minh chứng về phương pháp tiếp cận đang chạy trên phần cứng với một nhóm robot không đồng nhất.
- Trình bày những bài học kinh nghiệm và công việc trong tương lai trong lĩnh vực này.
Tải xuống sách trắng miễn phí này ngay bây giờ!
Nguồn tin: IEEE Spectrum AI — Tác giả: Johns Hopkins Applied Physics Laboratory. Bản dịch tiếng Việt do AI thực hiện, có thể có sai sót.
