A级成人毛片免费视频高清,国产免费黄色片,a毛片视频一级毛片视频,绿色的电影,久青草大香蕉导航无删减完整在线观看 ,中文字幕无码亚洲字幕成a人

^{<li id="chksh"></li>}

首頁

國內

懶人福音，谷歌讓機器訓練機器，用大語言模型定制專屬于你的家務機器人

來源：IT之家時間：2023-05-23 14:18:31 閱讀量：17876

能根據你的喜好定制的家務機器人，來了！

想把深色衣服和淺色衣服分開洗？沒問題，機器人分分鐘就能幫你分好類:

被垃圾分類的問題搞得焦頭爛額？沒關系，也交給機器人來做:

總之，分類識別、定向放置…… 一切都憑你的習慣。

更關鍵的是，利用大語言模型，不需要大量數據，也無需場景化學習，幾句話就能輕松調教。

這款整理機器人名為 TidyBot，由谷歌與美國多所高校聯合打造，通訊作者來自普林斯頓大學。

讓機器訓練機器

對于物品整理機器人的定制，最難的一環就是用戶偏好的分析。

傳統上，這類信息需要通過海量的數據分析才能得到。

而 TidyBot 是使用 LLM 分析用戶喜好信息的。

用戶給出的具體實例，比如依據顏色將不同服飾分別放入衣柜和抽屜，會被轉換成 Python 風格的 LLM 提示信息。

objects=receptacles=("drawer","closet")pickandplace("yellowshirt","drawer")pickandplace("darkpurpleshirt","closet")pickandplace("whitesocks","drawer")pickandplace("blackshirt","closet")#Summary:

最后的概述是由 LLM 反饋的，具體到這個例子當中，LLM 生成了如下結論:

#Summary:Putlight-coloredclothesinthedraweranddark-coloredclothesinthecloset.

該結論在接下來的環節中會被用于判定未知物品應該被放到哪里，前一步的輸出結果在這里作為提示的開頭。

#Summary:Putlight-coloredclothesinthedraweranddark-coloredclothesinthecloset.objects=receptacles=("drawer","closet")pickandplace"blacksocks",

然后，LLM 會輸出幾個新顏色襯衫和襪子的放置位置。

pickandplacepickandplace("whiteshirt","drawer")pickandplace("navysocks","closet")pickandplace("beigeshirt","drawer")

除了放置的位置，LLM 也能分析其他操作信息，比如是需要“放”還是“扔”。

objects=pickandplace("yellowshirt")pickandplace("darkpurpleshirt")pickandtoss("whitesocks")pickandplace("blackshirt")#Summary:Pickandplaceshirts,pickandtosssocks.

同樣的，使用 LLM 總結出的信息可以判斷應對未知物體執行何種操作。

#Summary:Pickandplaceshirts,pickandtosssocks.objects=#以下為LLM輸出結果:pickandtoss("blacksocks")pickandplace("whiteshirt")pickandtoss("navysocks")pickandplace("beigeshirt")

其他動作信息原理也都相同。

有了 LLM 給出的信息，接下來就要應用到實際工作中了。

TidyBot 的系統中預置了很多物品的分類標簽，LLM 指令的執行方式也已經由程序設定。

TidyBot 首先讓圖像識別模塊判斷出物品的基本信息，然后傳給 LLM 生成指令，并交付執行。

TidyBot 工作流程示意圖

由于只有極少量的數據需要進行區分，TidyBot 具有很強的魯棒性。

同時，它能對來自任意用戶的任何物品進行分類，又有很強的靈活性。

基準測試成績亮眼

除了 TidyBot 本身，測試基準數據集也是該團隊的另一重要貢獻。

該數據集包含了 96 組以文本形式描述的任務場景，具體包括已知和未知操作方式的物品和相應的容器。

在每個場景中，容器的數量為 2-5 個，已知操作方式的物品數量為 4-10 個，未知物品數量與已知相同。

這 96 個場景涵蓋了客廳、臥室、廚房和儲藏室四種房間類型，每個類型 24 組。