Chatgpt บรรลุผลลัพธ์ที่ยอดเยี่ยมในการแข่งขันจำลองการควบคุมการควบคุมอัตโนมัติของยานอวกาศ

เมื่อเร็ว ๆ นี้การศึกษาเกี่ยวกับการใช้แบบจำลองภาษาขนาดใหญ่ (LLMs) สำหรับการควบคุมยานอวกาศแบบอิสระได้ดึงดูดความสนใจ นักวิจัยทดสอบประสิทธิภาพของ CHATGPT ในการจัดการยานอวกาศผ่านการแข่งขันแบบจำลอง ผลการศึกษาพบว่า ChatGPT ประสบความสำเร็จอันดับสองที่ยอดเยี่ยมในการแข่งขันการจำลองยานอวกาศอิสระเป็นอันดับสองรองจากแบบจำลองตามสมการที่แตกต่างกัน ความสำเร็จนี้ไม่เพียง แต่แสดงให้เห็นถึงการประยุกต์ใช้ LLM ที่มีศักยภาพในสาขาการบินและอวกาศ แต่ยังให้แนวคิดใหม่สำหรับการพัฒนาระบบการบินและอวกาศในอนาคต

ด้วยการพัฒนาอย่างต่อเนื่องของเทคโนโลยีการบินและอวกาศและจำนวนดาวเทียมที่เพิ่มขึ้นมนุษย์จะไม่สามารถควบคุมดาวเทียมทั้งหมดได้ด้วยตนเองในอนาคต นอกจากนี้ในการสำรวจอวกาศลึกการ จำกัด ความเร็วของแสงทำให้เราไม่สามารถควบคุมยานอวกาศโดยตรงในเวลาจริง ดังนั้นการพัฒนาระบบหุ่นยนต์ที่สามารถตัดสินใจได้ด้วยตนเองได้กลายเป็นทิศทางการพัฒนาที่สำคัญในสาขาการบินและอวกาศ เพื่อส่งเสริมนวัตกรรมในเทคโนโลยีที่เกี่ยวข้องนักวิจัยด้านการบินและอวกาศได้สร้าง 'Kambala Space Program Game Challenge ' ตามเกมยอดนิยม 'Kambala Space Program ' ในช่วงไม่กี่ปีที่ผ่านมา ความท้าทายนี้ช่วยให้นักวิจัยมีสภาพแวดล้อมที่ค่อนข้างสมจริงสำหรับการออกแบบการทดลองและทดสอบระบบอิสระ การแข่งขันรวมถึงสถานการณ์ต่าง ๆ เช่นงานของการไล่ล่าและการสกัดกั้นดาวเทียมรวมถึงงานของการตรวจจับการหลบเลี่ยง

ในบทความที่กำลังจะมาถึงที่จะตีพิมพ์ในวารสารความก้าวหน้าในการวิจัยอวกาศทีมวิจัยระหว่างประเทศแนะนำข้อเสนอการแข่งขันของพวกเขา: LLM เชิงพาณิชย์คล้ายกับ Chatgpt และ Llama เหตุผลที่นักวิจัยเลือกใช้ LLM คือวิธีการพัฒนาระบบแบบอิสระแบบดั้งเดิมนั้นต้องการการฝึกอบรมข้อเสนอแนะและการเพิ่มประสิทธิภาพหลายครั้งในขณะที่ภารกิจของการท้าทาย Kambala คือการจำลองสถานการณ์ในโลกแห่งความเป็นจริงเท่าที่จะทำได้ซึ่งหมายความว่างานอาจใช้เวลาเพียงไม่กี่ชั่วโมง ในทางตรงกันข้าม LLM ได้รับการฝึกฝนเกี่ยวกับข้อความของมนุษย์จำนวนมากดังนั้นในสถานการณ์กรณีที่ดีที่สุดพวกเขาต้องการวิศวกรรมคำคิวที่ระมัดระวังเพียงเล็กน้อยและพยายามหาบริบทที่เหมาะสมสำหรับสถานการณ์เฉพาะ

ตามที่บ้านมันเพื่อให้ LLM สามารถจัดการยานอวกาศได้จริงนักวิจัยได้พัฒนาวิธีการที่อธิบายสถานะและวัตถุประสงค์ของยานอวกาศในรูปแบบข้อความและส่งไปยัง LLM ขอคำแนะนำเกี่ยวกับวิธีการปรับและจัดการยานอวกาศ ต่อจากนั้นนักวิจัยได้พัฒนาเลเยอร์การแปลงเพื่อแปลงเอาต์พุตข้อความของ LLM เป็นรหัสการทำงานที่สามารถใช้ยานอวกาศจำลอง ด้วยชุดของพรอมต์ง่าย ๆ และการปรับแต่งบางอย่างนักวิจัยก็ประสบความสำเร็จในการเปิดใช้งาน CHATGPT เพื่อทำงานการทดสอบหลายอย่างในการท้าทายและในที่สุดก็ประสบความสำเร็จอันดับสองในการแข่งขัน

เป็นที่น่าสังเกตว่างานวิจัยเหล่านี้เสร็จสมบูรณ์ก่อนที่จะเปิดตัวเวอร์ชันล่าสุด 4.0 ล่าสุดของ Chatgpt อย่างไรก็ตามการประยุกต์ใช้ LLM ในเขตการบินและอวกาศยังคงเผชิญกับความท้าทายมากมายโดยเฉพาะอย่างยิ่งปัญหาในการหลีกเลี่ยง 'ภาพลวงตา ' (เช่นเอาท์พุทที่ไม่มีความหมายและไม่มีเหตุผล) ในสถานการณ์จริงเอาต์พุตที่ผิดพลาดดังกล่าวอาจมีผลร้าย อย่างไรก็ตามผลการวิจัยนี้ยังคงแสดงให้เห็นอย่างเต็มที่ว่าแม้ LLM ที่มีอยู่สามารถนำไปใช้ในรูปแบบที่ไม่คาดคิดในการทำงานจริงหลังจากดูดซับความรู้ของมนุษย์จำนวนมาก