AIGC動態(tài)歡迎閱讀

原標題：基礎模型+機器人：現(xiàn)在已經(jīng)走到哪一步了
關(guān)鍵字：機器人,模型,報告,基礎,任務
文章來源：機器之心
內(nèi)容字數(shù)：10810字

內(nèi)容摘要：

機器之心報道
編輯：Panda W機器人是一種擁有無盡可能性的技術(shù)，尤其是當搭配了智能技術(shù)時。近段時間創(chuàng)造了許多變革性應用的大模型有望成為機器人的智慧大腦，幫助機器人感知和理解這個世界并制定決策和進行規(guī)劃。近日，CMU 的 Yonatan Bisk 和 Google DeepMind 的夏斐（Fei Xia）領(lǐng)導的一個聯(lián)合團隊發(fā)布了一篇綜述報告，介紹了基礎模型在機器人領(lǐng)域的應用和發(fā)展情況。開發(fā)能自主適應不同環(huán)境的機器人是人類一直以來的一個夢想，但這卻是一條漫長且充滿挑戰(zhàn)的道路。
之前，利用傳統(tǒng)深度學習方法的機器人感知系統(tǒng)通常需要大量有標注數(shù)據(jù)來訓練監(jiān)督學習模型，而如果通過眾包方式來標注大型數(shù)據(jù)集，成本又非常高。
此外，由于經(jīng)典監(jiān)督學習方法的泛化能力有限，為了將這些模型部署到具體的場景或任務，這些訓練得到的模型通常還需要精心設計的領(lǐng)域適應技術(shù)，而這又通常需要進一步的數(shù)據(jù)收集和標注步驟。類似地，經(jīng)典的機器人規(guī)劃和控制方法通常需要仔細地建模世界、智能體自身的動態(tài)和 / 或其它智能體的動態(tài)。這些模型通常針對各個具體環(huán)境或任務構(gòu)建，而當情況有變時，就需要重新構(gòu)建模型。這說明經(jīng)典模型的遷移性能也有

原文鏈接：基礎模型+機器人：現(xiàn)在已經(jīng)走到哪一步了

聯(lián)系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務平臺