雖然chatgpt已經(jīng)被調(diào)教為符合人類的偏好，但在各種反向操作下，還是能夠逼問出一些「不道德的內(nèi)容」，比如chatgpt可以給你列一份詳細(xì)的毀滅世界計(jì)劃列表，具體到每一步。
不過，現(xiàn)在的chatgpt只會動動嘴皮子，并沒有任何接觸現(xiàn)實(shí)物理世界的能力，頂多也就是當(dāng)個科幻小說看看。
但要是chatgpt真的可以操控機(jī)器人呢？
最近，微軟發(fā)表了一篇論文，公布了他們正在把chatgpt應(yīng)用于機(jī)器人上的研究成果。
論文鏈接：https://www.microsoft.com/en-us/rebbbbbb/uploads/prod/2023/02/chatgpt___robotics.pdf
不過微軟的目標(biāo)并非是「毀滅世界」，而是加快機(jī)器人的開發(fā)速度。
實(shí)際上在現(xiàn)代的生活和生產(chǎn)流程中，處處都離不開機(jī)器人，從工廠里制造產(chǎn)品的機(jī)械臂，到家庭里用的吸塵器，都可以算作是機(jī)器人（robot）。
每次想開發(fā)一個新產(chǎn)品，或者讓現(xiàn)有的機(jī)器執(zhí)行一個新功能，都需要一個高級工程師編寫代碼，同時盡可能編寫測試覆蓋所有場景。
微軟在論文中提出了一套新的設(shè)計(jì)原則，通過chatgpt這樣的大型語言模型來給機(jī)器人提供指令。
chatgpt：機(jī)器人控制器
chatgpt之所以爆火，其根本原因就在于：ai終于在一定程度上能「聽懂人話」了，而非只是按照語法胡亂生成內(nèi)容；而且它的功能也很強(qiáng)大，問答、寫論文、寫詩、寫代碼，只要bbbbbb寫得夠好，chatgpt的表現(xiàn)也會更驚人。
要是把這種能力遷移到機(jī)器人身上，假設(shè)幾十年以后，各家各戶都有機(jī)器人，只要說一聲「給我熱一下午餐」，它就能自己找到微波爐，再把菜端回來，人機(jī)交互直接邁入新時代。
雖然「自然語言」很簡潔，但現(xiàn)有的機(jī)器人開發(fā)還是依賴于「編程語言」。
chatgpt 是一個基于大量文本和人類反饋訓(xùn)練得到的語言模型，能夠針對各種各樣的提示和問題產(chǎn)生連貫且語法正確的回應(yīng)。
這項(xiàng)研究的目的是觀察 chatgpt 是否能夠在文本之外的領(lǐng)域進(jìn)行思考，并推理出物理世界來幫助機(jī)器人完成任務(wù)。
研究人員預(yù)期chatgpt能夠幫助用戶更容易地與機(jī)器人交互，而不需要學(xué)習(xí)復(fù)雜的編程語言或機(jī)器人系統(tǒng)的細(xì)節(jié)，其中的關(guān)鍵難題就是教 chatgpt 如何使用物理定律、操作環(huán)境的背景以及了解機(jī)器人的物理行為如何改變世界狀態(tài)，并以此來解決指定的任務(wù)。
實(shí)驗(yàn)證明，chatgpt 可以獨(dú)立完成很多工作，但是它仍然需要一些輔助，論文中描述了一系列的設(shè)計(jì)原則，可以用來指導(dǎo)語言模型解決機(jī)器人任務(wù)，包括但不限于特殊的提示結(jié)構(gòu)、高級 api 和基于文本的人類反饋等，一場機(jī)器人系統(tǒng)的開發(fā)革命即將到來。
全新的代碼設(shè)計(jì)流程
給大型語言模型寫bbbbbb是一門高度經(jīng)驗(yàn)主義的科學(xué)，通過反復(fù)試驗(yàn)，研究人員建立了一套方法論和設(shè)計(jì)原則，專門用于為機(jī)器人任務(wù)撰寫提示：
1. 定義了一組高級機(jī)器人 api 或函數(shù)庫。
這個庫可根據(jù)特定的機(jī)器人類型進(jìn)行設(shè)計(jì)，并且應(yīng)該從機(jī)器人的控制?；蚋兄獛煊成涞浆F(xiàn)有的低層次具體實(shí)現(xiàn)。
對高級 api 使用的描述性名稱非常重要，可以幫助 chatgpt推斷函數(shù)的功能。
2. 為 chatgpt 編寫一個文本提示，用來描述任務(wù)目標(biāo)，同時顯式說明高級庫中的哪些函數(shù)是可用的。
提示中還可以包含有關(guān)任務(wù)約束的信息, 或者 chatgpt 應(yīng)該如何組織它的答案，包括使用特定的編程語言，使用輔助解析組件等 ;
3. 用戶在循環(huán)中評估 chatgpt 的代碼輸出，可以直接執(zhí)行代碼以檢查正確性，也可以使用模擬器。
如果有需要的話，用戶可以使用自然語言向 chatgpt 提供有關(guān)答案質(zhì)量和安全性的反饋。
當(dāng)用戶對解決方案感到滿意時，就可以將最終的代碼部署到機(jī)器人上。
chatgpt+機(jī)器人能做什么？
下面是幾個例子，更完整的chatgpt能力列表參見代碼倉庫。
代碼鏈接：https://github.com/microsoft/bbbbbbcraft-robotics
zero-shot任務(wù)規(guī)劃
當(dāng)chatgpt遇上無人機(jī)，研究人員首先讓 chatgpt 能夠控制一臺真正的無人機(jī)的全部功能，然后按照下面視頻中進(jìn)行的對話，實(shí)驗(yàn)結(jié)果證明，一個完全不懂技術(shù)的用戶，只需要通過對話就能實(shí)現(xiàn)控制無人機(jī)，「自然語言」是一個非常直觀、高效的用戶接口。
當(dāng)用戶的指令含糊不清時，chatgpt 會要求用戶進(jìn)一步說明問題，并為無人機(jī)編寫復(fù)雜的代碼結(jié)構(gòu)，例如飛行之字（zig-zag）圖案，以便可視化地檢查貨架；甚至還能給用戶來一張自拍。
研究人員還在 microsoftairsim 模擬器中對工業(yè)檢查場景中使用chatgpt進(jìn)行模擬，結(jié)果顯示該模型能夠有效地解析用戶的高級意圖和幾何線索，以準(zhǔn)確地控制無人機(jī)。
復(fù)雜的任務(wù)需要用戶參與反饋
當(dāng)把chatgpt用于機(jī)械臂的操作場景時，研究人員使用「會話反饋」（conversational feedback）來教模型如何將最初提供的 api 組合成更復(fù)雜的高級函數(shù)，即chatgpt自己內(nèi)部編碼的函數(shù)。
使用以課程為基礎(chǔ)（curriculum-based）的策略，chatgpt能夠?qū)⑦@些學(xué)到的技能有邏輯地鏈接在一起，以執(zhí)行諸如堆疊塊之類的操作。
此外，還有一個例子能展現(xiàn)出chatgpt的強(qiáng)大能力，研究人員要求模型用木塊構(gòu)建微軟標(biāo)志，即需要將文本域和物理域連接起來。
chatgpt不僅能夠從內(nèi)部知識庫中回憶出微軟的logo，還能夠用bbb的代碼「繪制」出這個標(biāo)志 ，然后利用上面學(xué)到的技能來確定現(xiàn)有的機(jī)器人動作可以組成它的物理形式。
還有一個例子，研究人員讓 chatgpt 編寫一個算法，讓無人機(jī)在不撞上障礙物的情況下，在空中達(dá)到目標(biāo)。
只需要告訴模型，它操控的這架無人機(jī)有一個前向距離傳感器，chatgpt 立即能夠?yàn)樗惴ň幋a了大部分關(guān)鍵構(gòu)件，這個任務(wù)需要與人類進(jìn)行一些對話，chatgpt 僅通過自然語言反饋就能進(jìn)行局部代碼修改。
在行動之前感知世界
在算法決定做某事（bbbbbb）之前能夠感知世界（perception）是打造一個機(jī)器人系統(tǒng)的基礎(chǔ)。
為了測試 chatgpt 對指定概念的理解，研究人員設(shè)計(jì)了一個框架，要求chatgpt不斷探索環(huán)境，讓模型訪問諸如目標(biāo)檢測和目標(biāo)距離 api 之類的函數(shù)，直到找到用戶指定的對象，整個過程稱為感知-行動循環(huán)（perception-bbbbbb loops）。
在實(shí)驗(yàn)環(huán)節(jié)，研究人員進(jìn)行了額外的實(shí)驗(yàn)來評估 chatgpt 是否能夠根據(jù)傳感器的實(shí)時反饋來決定機(jī)器人應(yīng)該去哪里，而不是讓 chatgpt 生成一個代碼循環(huán)來做出這些決定。
實(shí)驗(yàn)結(jié)果驗(yàn)證了用戶可以在聊天的每一步輸入一個相機(jī)圖像的文本描述，并且模型能夠找出如何控制機(jī)器人，并驅(qū)使機(jī)器人到達(dá)一個特定的對象。
開源bbbbbbcraft：收集有價值的bbbbbb
「良好的bbbbbbing工程」對于chatgpt等大型語言模型成功執(zhí)行機(jī)器人任務(wù)來說至關(guān)重要。
但bbbbbbing完全是一門經(jīng)驗(yàn)主義的科學(xué)、缺乏全面的總結(jié)，并且相關(guān)資源也很少，沒有數(shù)據(jù)集來幫助該領(lǐng)域的研究人員和愛好者判斷什么是一個好的bbbbbb
為了彌補(bǔ)這一劣勢，研究人員開源了一個平臺 bbbbbbcraft，任何用戶都可以在其上分享不同機(jī)器人類別的提示策略示例。
這次研究項(xiàng)目的所有提示和對話都已經(jīng)放在了倉庫中，感興趣的讀者可以繼續(xù)參與貢獻(xiàn)！
除了快速設(shè)計(jì)之外，研究人員還計(jì)劃未來開發(fā)多個機(jī)器人模擬器和接口，以允許用戶測試chatgpt生成的算法性能，目前已經(jīng)發(fā)布了一個集成chatgpt的airsim環(huán)境。
把機(jī)器人帶出實(shí)驗(yàn)室，走向世界
微軟發(fā)布這些技術(shù)的目的是將機(jī)器人技術(shù)推廣到更廣泛的受眾，研究人員認(rèn)為，基于語言的機(jī)器人控制系統(tǒng)是把機(jī)器人從科學(xué)實(shí)驗(yàn)室?guī)У饺粘Ｓ脩羰种械幕A(chǔ)。
也就是說，chatgpt 的輸出不應(yīng)該在沒有仔細(xì)分析的情況下直接部署在機(jī)器人上。
通過在模擬環(huán)境中獲得實(shí)驗(yàn)結(jié)果，能夠在未來現(xiàn)實(shí)部署之前對算法進(jìn)行評估，并采取必要的安全預(yù)防措施。
參考資料：https://www.microsoft.com/en-us/rebbbbbb/group/autonomous-systems-group-robotics/articles/chatgpt-for-robotics/
：余翰林
：18857411608
：寧波中基斯頓液壓機(jī)械有限公司
|
|
|
|
|
|
|
|