让操纵，事先不做任何编程or训练，能搞成啥样儿?

答案是:太猎奇了 !

这不，要求机器人表演在昏暗电影院里狂炫爆米花，却突然发现吃的是隔壁陌生人的?。

在GPT-4的操纵下，机器人笑容凝固，尴尬得摇头扶额后仰:

但在尴尬之余，竟然还不忘再抓一把塞嘴里???

又像是要求机器人弹吉他。

GPT-4略思考一番，开始操控机器人活动一番手指、随后疯狂甩头，好像是有点摇滚内味儿。

但仔细一看，甩头的时候，手指就完全不动了……

你要说这是神叨叨的地摊先生在掐指一算，好像也没什么不对（手动狗头）。

总结一系列动作来看——

相比波士顿动力人形机器人，一举一动均由人为程序精细操纵，这个GPT-4直接操控的机器人，表情狰狞，动作诡异，但一切行为又符合Prompt的要求。

这一连串GPT-4操控机器人的视频po到网上后，不少网友直呼恐怖谷效应犯了:

甚至吓到了20年工龄的机器人技术专家:

还有网友调侃:看起来就像舞台上的我一样。

但也有网友认为，人形机器人能通过GPT-4来操纵，已经是很不可思议的事情了。

原来，这是由GPT-4驱动人形机器人的研究，来自东京大学和日本AlternativeMachine公司。

依靠这项研究，用户无需事先给机器人编程，只需语言输入、也就是动动嘴皮和GPT-4聊上一会儿，就能让机器人根据指令完成行动。

一起来看看这项研究的更多细节和背后原理。

大模型+机器人的新尝试

不编程，也不训练，拿GPT-4当脑子，这个人形机器人Alter3，还能做出哪些令人皱眉却又合理的动作?

不如给个指令，让Alter3假装自己是个?吧!

它倒是也懂一秒入戏，张大嘴巴、双手前伸。

但不知道为什么，微张的双唇和空洞的眼神，让人感觉它更像林正英都要直呼内行的僵尸:

如果要求它自拍，Alter3倒也当场能来个怼脸大头照。

就是不知道是被原相机里的自己丑到，他的表情并不享受，反而痛苦似的将自己眼睛闭了起来:

再来听个摇滚，music走起。

你说它频频点头是在追随节拍，一定没错;但你要说它是毕恭毕敬站在面前，说啊对对对对对，似乎也贴切极了（手动狗头）:

在所有放出的视频demo中，喝茶这个行为最不奇葩怪异，甚至像是在演我:

上班上到生无可恋的时候，喝茶就是这么要死不活的。要咱说，送到嘴边了才张口，这茶不喝也罢。

作为人形机器人，Alter3做出人类行为有点子搞笑，那……不如试试别的?

比如，演绎一条受到音乐感召后摇摆身姿的蛇:

看到了吗，没那么柔韧，但确实在尽它所能扭动躯干了，可以说是一条蛇的发癫版本.gif。

这么看下来，直接把人形机器人和GPT-4集成这件事，可以干，但美观性属实不太够啊……

其实回顾一下，让大模型和机器人结合这事儿，科学家研究者们今年已经忙活了一整年。

不过，通常做法是做更多的训练，然后尝试将图像语言大模型的能力和知识迁移到机器人领域。

包括微软的ChatGPTforRobotics，谷歌的PaLm-E、RT-1、RT-2，还有VoxPoser、BoboCat等众多工作，都走的是这个路线。

其中，轰动一时的谷歌RT（RobotTransformer）系列效果贼棒，但谷歌训练它就花了17个月，并收集13台机器人的13万条机器人专属数据——一般团队很难有这个资金和精力。

年中，李飞飞团队的具身智能成果，则百尺竿头更进一步，通过将LLM（大语言模型）+VLM(视觉语言模型)结合在一起，机器人与环境进行交互的能力进一步提升。

这种思路下，机器人完成任务无需额外数据和训练。

但是李飞飞团队给出demo里的硬件，本体还

标签： 4、 人形机器人、 GPT、

本文地址： https://yihaiquanyi.com/article/61eddf24af8fe474ebc6.html

上一篇：探索教育的智慧与方法探索教育的智思妙想20...
下一篇：苹果将推出全新iPhone15系列苹果将推出全新...