AIGC動態(tài)歡迎閱讀

原標題：Gemini 1.5 Pro裝進機器人，參觀一遍公司就能禮賓、帶路
關(guān)鍵字：機器人,目標,環(huán)境,長上,指令
文章來源：機器之心
內(nèi)容字數(shù)：0字

內(nèi)容摘要：

機器之心報道
編輯：張倩長上下文大模型幫助機器人理解世界。最近，谷歌 DeepMind 突然開始炫起了機器人。這個機器人可以輕松聽從人類指令、進行視覺導覽，用常識推理在三維空間中尋找路徑。
它使用的是最近谷歌發(fā)布的大模型 Gemini 1.5 Pro。在使用傳統(tǒng) AI 模型時，機器人常因上下文長度限制而難以回憶起環(huán)境細節(jié)，但 Gemini 1.5 Pro 的百萬級 token 上下文長度為機器人提供了強大的環(huán)境記憶能力。
在真實的辦公室場景中，工程師引導機器人游覽特定區(qū)域，并標出了需要回憶的關(guān)鍵地點，例如「劉易斯的辦公桌」或「臨時辦公桌區(qū)域」。轉(zhuǎn)完一圈后，別人要問起來，機器人就能根據(jù)這些記憶帶他去這些地點了。即使你說不出具體要去的地點，只是表達一下目的，機器人也能帶你找到對應的位置。這是大模型的推理能力在機器人身上的具體表現(xiàn)。這一切離不開一個叫 Mobility VLA 的導航策略。論文標題：Mobility VLA: Multimodal Instruction Navigation with Long-Context VLMs and Topological Graphs
論文鏈接

原文鏈接：Gemini 1.5 Pro裝進機器人，參觀一遍公司就能禮賓、帶路

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