機(jī)器人領(lǐng)域首個(gè)開源視覺-語(yǔ)言操作大模型，RoboFlamingo框架激發(fā)開源VLMs更大潛能

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：機(jī)器人領(lǐng)域首個(gè)開源視覺–語(yǔ)言操作大模型，RoboFlamingo框架激發(fā)開源VLMs更大潛能
關(guān)鍵字：機(jī)器人,語(yǔ)言,任務(wù),模型,視覺
文章來源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：7960字

內(nèi)容摘要：

機(jī)器之心專欄
機(jī)器之心編輯部還在苦苦尋找開源的機(jī)器人大模型？試試RoboFlamingo！
近年來，大模型的研究正在加速推進(jìn)，它逐漸在各類任務(wù)上展現(xiàn)出多模態(tài)的理解和時(shí)間空間上的推理能力。機(jī)器人的各類具身操作任務(wù)天然就對(duì)語(yǔ)言指令理解、場(chǎng)景感知和時(shí)空規(guī)劃等能力有著很高的要求，這自然引申出一個(gè)問題：能不能充分利用大模型能力，將其遷移到機(jī)器人領(lǐng)域，直接規(guī)劃底層動(dòng)作序列呢？
對(duì)此，ByteDance Research 基于開源的多模態(tài)語(yǔ)言視覺大模型 OpenFlamingo 開發(fā)了開源、易用的 RoboFlamingo 機(jī)器人操作模型，只用單機(jī)就可以訓(xùn)練。使用簡(jiǎn)單、少量的微調(diào)就可以把 VLM 變成 Robotics VLM，從而適用于語(yǔ)言交互的機(jī)器人操作任務(wù)。
OpenFlamingo 在機(jī)器人操作數(shù)據(jù)集 CALVIN 上進(jìn)行了驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，RoboFlamingo 只利用了 1% 的帶語(yǔ)言標(biāo)注的數(shù)據(jù)即在一系列機(jī)器人操作任務(wù)上取得了 SOTA 的性能。隨著 RT-X 數(shù)據(jù)集開放，采用開源數(shù)據(jù)預(yù)訓(xùn)練 RoboFlamingo 并 finetune 到不同機(jī)器人平臺(tái)，將有希望成為一個(gè)簡(jiǎn)單有效的

原文鏈接：機(jī)器人領(lǐng)域首個(gè)開源視覺-語(yǔ)言操作大模型，RoboFlamingo框架激發(fā)開源VLMs更大潛能

聯(lián)系作者

文章來源：機(jī)器之心
作者微信：almosthuman2014
作者簡(jiǎn)介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺(tái)