極客網(wǎng)·極客觀察8月8日，大模型風(fēng)起云涌，正在從虛擬世界進(jìn)入現(xiàn)實(shí)世界。谷歌DeepMind日前推出 Robotic Transformer 2（簡(jiǎn)稱RT-2）大語言模型，讓人類可以通過純語言命令優(yōu)化機(jī)器人控制，邁出了重要一步。
不同于此前的大模型，這是一個(gè)“視覺-語言-動(dòng)作”（vision-language-action，簡(jiǎn)稱VLA）模型。業(yè)界認(rèn)為，谷歌此舉是想打造可以適應(yīng)人類環(huán)境的通用機(jī)器人，類似于機(jī)器人瓦力或者C-3PO。
谷歌RT-2無需針對(duì)特定任務(wù)專門訓(xùn)練
當(dāng)人類需要學(xué)習(xí)某項(xiàng)任務(wù)時(shí)，往往會(huì)通過閱讀和觀察來實(shí)現(xiàn)。RT-2有點(diǎn)類似，它用到了大語言模型（也就是驅(qū)動(dòng)ChatGPT的技術(shù)）。RT-2從網(wǎng)上尋找文本和圖片，然后訓(xùn)練模型，即使沒有針對(duì)特定任務(wù)專門訓(xùn)練過，RT-2也可以識(shí)別模式和動(dòng)作。
舉個(gè)例子，按谷歌的說法，在沒有經(jīng)過特別訓(xùn)練的前提下，RT-2可以識(shí)別并扔掉垃圾。RT-2會(huì)理解垃圾是什么，了解如何處理，然后完成一系列動(dòng)作。RT-2甚至知道食品包裝紙或香蕉皮也是垃圾。
谷歌工程師甚至說，向RT-2下達(dá)一條命令，讓它撿起已經(jīng)滅絕的動(dòng)物，RT-2機(jī)器人可以從三個(gè)雕像中找出恐龍。
放在以前，如果想讓AI處理垃圾——無論是識(shí)別垃圾、撿起垃圾還是扔掉，都要專門訓(xùn)練。RT-2不太一樣，它從網(wǎng)絡(luò)數(shù)據(jù)中獲得大量知識(shí)，已經(jīng)知道垃圾是什么，能夠識(shí)別垃圾，不需要專門訓(xùn)練。
又比如要讓AI機(jī)器人撿起蘋果，先要訓(xùn)練機(jī)器人，讓它知道蘋果的一切，比如蘋果是如何生長(zhǎng)的，它的物理特點(diǎn)有什么；不只如此，還要在環(huán)境中識(shí)別蘋果，不能將蘋果和紅球混淆；還有最重要的，AI要知道如何將蘋果撿起來。
谷歌RT-2是打造通用機(jī)器人的一大步
一般來說科學(xué)家會(huì)用大量人工獲取的數(shù)據(jù)點(diǎn)來訓(xùn)練機(jī)器人AI，為了覆蓋每一種可能場(chǎng)景，訓(xùn)練時(shí)會(huì)消耗大量時(shí)間和成本?，F(xiàn)實(shí)世界紛繁多變，機(jī)器人助手如果想變得實(shí)用，必須正確應(yīng)對(duì)那些不太可能編程的場(chǎng)景。
在開發(fā)RT-2時(shí)，DeepMind深入挖掘變形AI模型的優(yōu)點(diǎn)，這種模型擁有很強(qiáng)的概括能力。RT-2借鑒了谷歌早期開發(fā)的AI，比如PaLI-X和PaLM-E。有了RT-2模型，機(jī)器人可以處理攝像頭圖像，對(duì)應(yīng)該執(zhí)行的動(dòng)作進(jìn)行預(yù)測(cè)。
谷歌發(fā)現(xiàn)，如果是訓(xùn)練過的任務(wù)，RT-2試驗(yàn)6000多次后效果便與RT-1一樣好。如果是沒有訓(xùn)練過的任務(wù)，RT-2的表現(xiàn)比RT-1好一倍。簡(jiǎn)單來說，谷歌認(rèn)為RT-2在學(xué)習(xí)新場(chǎng)景新任務(wù)時(shí)表現(xiàn)更好，雖然它仍不完美。
DeepMind的目標(biāo)是打造通用機(jī)器人，但谷歌也承認(rèn)還有很多研究工作要做，不過RT-2應(yīng)該是正確的研究方向。如果RT-2真的能變得完美，人類可以向機(jī)器人下達(dá)“文字命令”，讓機(jī)器人按指令行動(dòng)。
谷歌RT-2可以像人類一樣將學(xué)到的知識(shí)用于新場(chǎng)景
RT-2最大的突破在于，它從網(wǎng)絡(luò)數(shù)據(jù)中學(xué)習(xí)基本概念和構(gòu)想，然后將學(xué)到的知識(shí)用來指揮機(jī)器人完成動(dòng)作，讓機(jī)器理解甚至“說出”它們的操作語言。
要讓機(jī)器人在多變的環(huán)境中執(zhí)行通用任務(wù)，它必須管理好復(fù)雜抽象任務(wù)。如果是之前沒有遇到的過的環(huán)境，更是需要機(jī)器人正確應(yīng)對(duì)。
聊天機(jī)器人純粹在虛擬世界運(yùn)行，機(jī)器人不一樣，它存在于真實(shí)世界。機(jī)器人要理解抽象概念，在實(shí)際、物理環(huán)境中應(yīng)用。
在RT-2出現(xiàn)之前，機(jī)器人依賴復(fù)雜系統(tǒng)堆棧來運(yùn)行，也就是高級(jí)推理系統(tǒng)與低級(jí)操作系統(tǒng)聯(lián)合作戰(zhàn)，讓機(jī)器人正常運(yùn)轉(zhuǎn)，這種方法有些笨重！RT-2簡(jiǎn)單一些，它將復(fù)雜推理與動(dòng)作輸出整合到一個(gè)模型。
RT-2的最大特點(diǎn)在于：它從語言和視覺訓(xùn)練數(shù)據(jù)中學(xué)習(xí)概念，將概念變成機(jī)器人動(dòng)作，即使是之前沒有訓(xùn)練過的任務(wù)，它的處理能力也更強(qiáng)。簡(jiǎn)言之，RT-2可以像人類一樣，將以前學(xué)到的概念應(yīng)用于新場(chǎng)景。
谷歌的研究似乎在告訴人類，AI正在以更快的速度影響機(jī)器人。開發(fā)多功能通用型機(jī)器人是人類的一個(gè)夢(mèng)想，希望RT-2能帶來突破。（小刀）
- 蜜度索驥：以跨模態(tài)檢索技術(shù)助力“企宣”向上生長(zhǎng)
- MBBF 2024前瞻：在浪漫無盡的土耳其，見證5G-A×AI無限體驗(yàn)
- “算力之光”照耀中原大地，超聚變智聚生態(tài)閃耀全場(chǎng)
- OpenAI功勛CTO為何離職？盈利派壓倒非盈利派
- 從“根技術(shù)”到“根生態(tài)”，華為云攜手開發(fā)者“智”啟新境
- 為加速5G創(chuàng)新和變現(xiàn)，愛立信聯(lián)合多家運(yùn)營(yíng)商成立網(wǎng)絡(luò)API公司
- 借AI PC東風(fēng)推進(jìn)多元化戰(zhàn)略，高通攻入英特爾和AMD的地盤
- 上海5G-A，“魔”力大綻放
- 中美企業(yè)聚焦AI眼鏡賽道，AI+AR大有可為
- 《黑神話：悟空》意外爆紅引品牌追捧，中國(guó)文化開始發(fā)光
- 美國(guó)5大科技巨頭數(shù)千億資金砸向生成式AI，真的不怕失敗嗎？
免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。
