IT之家 5 月 14 日消息,普林斯頓大學、斯坦福大學和谷歌的一組研究人員,利用 OpenAI 的 GPT-3 Davinci 模型,研發(fā)出了一款能聽懂英語指令并執(zhí)行家務的機器人,名為 TidyBot。這款機器人可以根據(jù)用戶的喜好,自動完成如分類洗衣服、撿起地上的垃圾、收拾玩具等任務。
GPT-3 Davinci 模型是一種深度學習模型,屬于 GPT 模型系列的一部分,可以理解和生成自然語言。該模型具有強大的總結(jié)能力,可以從大量的文本數(shù)據(jù)中學習復雜的對象屬性和關系。研究人員利用這種能力,讓機器人根據(jù)用戶提供的幾個示例對象放置位置,如“黃色襯衫放在抽屜里,深紫色襯衫放在衣柜里,白色襪子放在抽屜里”,然后讓模型總結(jié)出用戶的一般偏好規(guī)則,并應用到未來的交互中。
研究人員在論文中寫道:“我們的基本見解是,LLM(大型語言模型)的總結(jié)能力與個性化機器人的泛化需求非常匹配。LLM 展示了通過總結(jié)實現(xiàn)泛化的驚人能力,利用從海量文本數(shù)據(jù)集中學習到的復雜對象屬性和關系?!?/p>
他們還寫道:“與需要昂貴的數(shù)據(jù)收集和模型訓練的傳統(tǒng)方法不同,我們展示了 LLM 可以直接開箱即用地實現(xiàn)機器人領域的泛化,利用它們從海量文本數(shù)據(jù)中學習到的強大的總結(jié)能力?!?/p>
研究人員在論文網(wǎng)站上展示了一個機器人,它能夠?qū)⑾匆路譃闇\色和深色,回收飲料罐,扔掉垃圾,收拾包和餐具,將散落的物品放回原處,并將玩具放入抽屜。
研究人員首先測試了一個基于文本的基準數(shù)據(jù)集,其中輸入了用戶偏好,并要求模型創(chuàng)建個性化規(guī)則來確定物品歸屬。模型將示例總結(jié)為一般規(guī)則,并使用總結(jié)來確定新物品的放置位置。基準場景定義在四個房間中,每個房間有 24 個場景。每個場景包含兩到五個放置物品的地方,并且有相同數(shù)量的已見和未見物品供模型分類。他們寫道,這個測試在未見物品上達到了 91.2% 的準確率。
當他們將這種方法應用到真實世界的機器人 TidyBot 時,他們發(fā)現(xiàn)它能夠成功地收拾 85% 的物體。TidyBot 在八個真實場景中進行了測試,每個場景有一組十個物品,并在每個場景中運行機器人 3 次。據(jù)IT之家了解,除了 LLM,TidyBot 還使用了一個叫做 CLIP 的圖像分類器和一個叫做 OWL-ViT 的物體檢測器。
佐治亞理工學院交互計算學院的助理教授徐丹飛(Danfei Xu)在談到谷歌的 PaLM-E 模型時表示,LLM 使機器人具有更多的問題解決能力?!耙郧暗娜蝿找?guī)劃系統(tǒng)大多依賴于一些形式的搜索或優(yōu)化算法,這些算法不太靈活,也很難構(gòu)建。LLM 和多模態(tài) LLM 使這些系統(tǒng)能夠從互聯(lián)網(wǎng)規(guī)模的數(shù)據(jù)中受益,并輕松地用于解決新問題?!彼f。
廣告聲明:文內(nèi)含有的對外跳轉(zhuǎn)鏈接(包括不限于超鏈接、二維碼、口令等形式),用于傳遞更多信息,節(jié)省甄選時間,結(jié)果僅供參考,IT之家所有文章均包含本聲明。