」移动到目标位置后，机器人将光剑盒子放到了目标编码塔上。

Agility表示，公司自主系统能够大幅降低机器人适应新仓库和任务的成本。

当生成AI被植入数千个系统中时，迟早有一天也会来到身上。

接入能理解复杂自然语言命令的LLM后，Digit能否顺利完成随机分配的任务?视频中，机器人被告知将「达斯维达的光剑」颜色的盒子放到前面的塔上。

这不仅让人想起Damion Shelton的一个比喻，他曾将机器人控制比作骑马，「你可以把更的AI看作是骑手，机器人的物理智能就是马。

」目前，该公司正准备在俄勒冈州的一家大型生产工厂每年生产10，000个Digit机器人。

一些大学、研究实验室和公司正在探索将更的智能形式嫁接到机器人身上，解决现有方法难以解决的复杂机器人问题。

在本周三发布的两分钟「Embodied AI」展示中，升级后的Digit顺利完成工程师随意布置的口头任务。

」移动到目标位置后，「我应该把红色盒子拿起来」。

「我将首先移动到红色盒子的位置。

有关LLM应用潜力的尝试是令人兴奋的——作为一种商用机器人系统，Digit要与人类一起工作也需要学会倾听他们的声音。

工作人员给Digit编码了这些环境信息，但没有编码任何具体任务。

Digit并没有瞬间完成任务，而是深思熟虑地、慢慢进行着。

「现在有了红色盒子，我应该移动到前排的塔的位置，即编码是4的塔。

这是一种自然的契合，并将Digit描述为「AI的物理化身」。

展示视频界面，左下角的叠加层显示了机器人的内心独白，右下角的叠加层显示了物理世界中3D导航的情况。

最后，它宣布工作完成:「我相信我已经完成了任务，因为我已经将达斯维达的光剑颜色的盒子（红色，盒子2）移到了前排的塔楼(塔4)。

我们很好奇，将这项技术集成到Digit中可以实现什么。

除了与亚马逊的合作之外，该初创公司本月还开始在佐治亚州的Spanx配送中心测试其人形机器人。

就我们的用例而言，还没有让大型语言模型（LLM）控制机器人的需求。

但AI功能将使这一过程变得更快，这意味着，机器人可以部署到更广泛的任务领域，并最终走出仓库。

在LLM（接受了流行文化参考资料的训练）赋能下，Digit知道什么是「达斯维达的光剑」。

为此，Agility Robotics给Digit创建了一个展示空间。

」机器人还知道，前排的塔是4号塔。

这也展示出LLM如何增强人形机器人、让它们变得更通用、部署更快。

这个展示表明，LLM能帮助机器人将抽象的人类命令转化为机器人可以理解的较低级别命令，因此，人们能够用自然语言与Digit交谈并要求它执行任务。

不过，Agility Robotics CEO Damion Shelton最初并不相信它们的双足机器人需要这玩意儿。

未来对机器人的控制可能会像骑马，你可以把AI看作是骑手，机器人的物理智能就是马。

客户不需要和自己的机器人进行有趣的对话，他们需要借助机器人的物理原理替代重复性劳作。

它会思考「我应该找出可以使用的命令」，「应该首先评估环境，看看有哪些物品和位置可用」，以及「达斯维达的光剑是红色的，所以，红色的盒子是我需要移动的。

图源备注：图片由AI生成，图片授权服务商Midjourney你可以用自然语言与机器人交谈，并要求它完成一项任务。

仅仅两个月后，情况就发生了变化。

Agility Robotics表示。

当亚马逊于10月中旬开始测试Agility Robotics的双足机器人Digit时，这位亮蓝色的自主「打工人」看起来也比实际情况更聪明。

后面的三个编号塔上，各有一个由几个不同特征（颜色、图案还有数字）定义的盒子。

视频中，机器人前方排列了四个不同高度的编号塔，身后也有三个不同高度的编号塔。

「现实是，机器人还没有自我意识，它们现在甚至没有使用大型语言模型，」Damion Shelton当时说道。

标签： 人形机器人、 LLMs、

本文地址： https://yihaiquanyi.com/article/02c4ba7dcd2bd5af7cd7.html

上一篇：余承东把电影看完了吗余承东把电影院搬到车...
下一篇：内测放置手游10内测放开地址入口在哪PikaPi...