ChatGPT有身体了?

网络上最近流传的一个视频,展示了"Figure 01"------一个能够进行对话的人形机器人,其场景之诡异,让人不禁想到《我,机器人》中的某个删减镜头。

视频中,装备了OpenAI的"Figure 01"被问及其能"看到"什么。这个前沿机器人展现了它的视觉识别技能,准确描述了眼前的物体:一颗红苹果、一个挂着餐具的晾碗架,以及向它提问的男子。虽然这听起来有些不可思议,但其实我们早有所见,对吧?比如去年,谷歌演示了它的AI模型Gemini能如何识别放在它面前的物体,从一只蓝色橡胶鸭到多种手画图案(后来虽然被发现视频经过了巧妙剪辑,夸大了其能力)。

接着,当那位男士问:"我能吃点什么吗?"时,"Figure 01"抓起桌上唯一可食用的物体------那颗苹果,递给了他。

呃,难道威尔·史密斯不会突然出现吗?

"Figure 01"机器人是怎么运作的

究竟是什么技术让"Figure 01"能够如此流畅地与人互动?答案是一个新型的视觉语言模型(VLM),它让"Figure 01"从一个笨拙的金属块转变为了一个近乎科幻的、未来感十足且过于逼真的机器人。(这个VLM是OpenAI与"Figure 01"背后的创业公司Figure合作的成果。)在递出苹果之后,当被问到"为什么给我苹果,同时能捡起这个垃圾吗?"时,"Figure 01"展示了它可以同时执行多项任务。

它在辨别哪些是垃圾(哪些不是)的同时,将合适的物品放入它认为是垃圾桶的地方,并解释说之所以给那位男士一个苹果,是因为那是他面前唯一可以吃的东西。这真是令人印象深刻的多任务处理!

最后,那位男士询问"Figure 01"它自认为表现如何。"Figure 01"以一种类似对话的方式回答说:"我认为我做得挺好。苹果找到了新的主人,垃圾也被清理掉了,餐具也被放回了它们应该在的位置。"

根据Figure创始人Brett Adcock的说法,"Figure 01"装有摄像头,这些摄像头向VLM提供数据,帮助它"理解"眼前的场景,使得这个机器人能够与面前的人类顺利地进行互动。除了Adcock之外,"Figure 01"还是波士顿动力、特斯拉、谷歌Deep Mind和Archer Aviation等公司的几位核心成员的共同创造成果。

文章来源:
ChatGPT有身体了?

相关推荐
天天向上杰15 分钟前
通义灵码AI程序员
人工智能·aigc·ai编程
sendnews26 分钟前
AI赋能教育,小猿搜题系列产品携手DeepSeek打造个性化学习新体验
人工智能
紫雾凌寒38 分钟前
解锁机器学习核心算法|神经网络:AI 领域的 “超级引擎”
人工智能·python·神经网络·算法·机器学习·卷积神经网络
WBingJ1 小时前
2月17日深度学习日记
人工智能
zhengyawen6661 小时前
深度学习之图像分类(一)
人工智能·深度学习·分类
莫莫莫i1 小时前
拆解微软CEO纳德拉战略蓝图:AI、量子计算、游戏革命如何改写未来规则!
人工智能·微软·量子计算
C#Thread1 小时前
机器视觉--图像的运算(加法)
图像处理·人工智能·计算机视觉
无极工作室(网络安全)1 小时前
机器学习小项目之鸢尾花分类
人工智能·机器学习·分类
涛涛讲AI1 小时前
文心一言大模型的“三级跳”:从收费到免费再到开源,一场AI生态的重构实验
人工智能·百度·大模型·deepseek
视觉人机器视觉1 小时前
机器视觉中的3D高反光工件检测
人工智能·3d·c#·视觉检测