太獵奇了,，首個GPT-4驅動的人形機器人

twq19810302

. h  \( q" A( A1 o! [. P/ [讓GPT-4操縱人形機器人,，事先不做任何編程or訓練,，能搞成啥樣兒,？
; _/ Y1 R( d1 P; x
答案是：太 獵 奇 了,！

( V/ l- g6 W2 O: M& g這不,，要求機器人表演“在昏暗電影院里狂炫爆米花,，卻突然發(fā)現(xiàn)吃的是隔壁陌生人的😅”。

在GPT-4的操縱下,，機器人笑容凝固,，“尷尬”得搖頭扶額后仰：

0 I- v% r7 c% V' i1 i; A

5 M" u, t, U( k1 `; L9 y( I
( ^: u" @' b* |7 s- w6 |, b& l

但在尷尬之余，竟然還不忘再抓一把塞嘴里,？,？,？又像是要求機器人“彈吉他”。
$ M% ^! M0 D0 M: R) [; r
GPT-4略思考一番,，開始操控機器人活動一番手指,、隨后瘋狂甩頭，好像是有點搖滾內味兒,。但仔細一看,，甩頭的時候，手指就完全不動了……
, _8 g# Y1 m9 P7 o

* A" Z9 a) V) X9 C
. x% {0 @3 y6 `' Z) U  c, \* L  x

你要說這是神叨叨的地攤先生在掐指一算,，好像也沒什么不對（手動狗頭）,。
; w) M' y8 S! w6 v
6 J' z" V: k- @總結一系列動作來看——

相比波士頓動力人形機器人，一舉一動均由人為程序精細操縱,，這個GPT-4直接操控的機器人,，表情猙獰，動作詭異,，但一切行為又符合prompt的要求,。

0 w! F: Z) N7 H

  m( M3 x3 u, `* A, s' J

這一連串GPT-4操控機器人的視頻po到網上后，不少網友直呼“恐怖谷效應犯了”：

  Z: N, H! u+ U4 z6 B- o+ P

原來,，這是首個由GPT-4驅動人形機器人的研究,，來自東京大學和日本Alternative Machine公司。

# q2 r0 r! r$ p7 P: [
* [! k; I" @$ u. B9 H; m& r

依靠這項研究,，用戶無需事先給機器人編程,，只需語言輸入、也就是動動嘴皮和GPT-4聊上一會兒,，就能讓機器人根據指令完成行動,。

& g4 T4 c$ i% [2 u8 o7 B

6 a# [" z# `- C$ l- h

來具體講講把GPT-4和Alter3集成到一起，是如何實現(xiàn)的,。

7 q& h# Q% `+ {% e+ t& p大體可以分為兩個步驟：

7 p& G* B$ H& c/ E  F' S首先,，先用prompt描述一下，想要Alter3能夠完成什么行為或者動作,，比如“咱來張自拍吧”“自拍的時候胳膊再舉高一點”,。

8 e! r, l* _+ O% R0 G4 o: f5 T接收到輸入的GPT-4會生成一系列的思考步驟，這些步驟詳細地闡述了要完成這個動作,，需要先后完成些啥,。
8 w6 M( t4 t9 p/ q
' G/ c/ y+ P1 B2 E# X; r- I$ q這個過程被研究團隊稱為CoT的一部分，即將一個復雜任務分解為一串更簡單的思考步驟,。

( b( k* W$ i: a( ^6 Z然后,，研究者們再祭出另一個prompt，把分解后的詳細步驟轉化為Alter3可以聽懂的動作指令。

9 {5 ~  D( }) [! M' I& w7 ]: d簡單理解就是把人們的指令描述轉化為Python代碼,，這些代碼可以直接用來控制Alter3的各個身體部位的具體運動參數(shù),。

有了轉化后的代碼，Alter3想擠眉弄眼就擠眉弄眼,，想撇嘴就能撇嘴

0 I) Y- ]0 G5 q0 K9 y, n# U研究團隊把這第二步也看成CoT的一部分,，因為它完成的是“把一個抽象描述轉化為具體操作”。
9 A" |1 N8 A- c) r* ]4 x) H

團隊表示,，CoT讓GPT-4能夠有效控制Alter3,，命令它做各種復雜動作，且不用額外的訓練或者微調,。

多說兩句,，除了上述的兩個Prompt搞定機器人控制外，研究團隊還順手完成了一些其它研究,。

( p+ p5 `, t" _2 I7 H' X& E1 Y比如掰開了看Alter3在對話中的行為，主要針對其對話軌跡和語義時間演化,。
2 F4 ?; F! L$ `, N2 H
針對對話軌跡,，研究團隊使用了一種叫UMAP（Uniform Manifold Approximation and Projection）的方法。團隊把對話內容嵌入二維空間,，從而方便觀察這個簡化版的對話發(fā)展過程,。

, x/ `# ^" j0 w; F  e' X% L! j) T他們發(fā)現(xiàn)，當對話順序固定時,，對話軌跡會呈現(xiàn)循環(huán)模式,，也就是老在重復同樣的話題。

而當對話順序隨機時,，對話內容更有發(fā)散性or創(chuàng)造性,。

! J: p' e, n2 r7 [- z1 o& d) A. B賊有趣的一點，研究發(fā)現(xiàn)GPT-4聊久了過后,，會傾向于反復說“再見”,。如果你不來點兒人為干預，它就會沉迷于想辦法跟你說再見,。

而做語義時間演化分析的過程中,，團隊觀察了隨著時間變化，聊天內容的變化,。
) R, S# e$ ^8 @5 C/ U
* I( }* B" r% C6 w1 M他們發(fā)現(xiàn),，對話初期的一些關鍵詞，比如“藝術”或者“學習”啥的,，會聊著聊著就被GPT-4忘了,，取而代之的是諸如“文化”“人類”“抑制”之類的詞。

這表明對話內容是在逐漸發(fā)展變化的。
. c/ T: k: ^1 Y7 [1 S5 |
當然,，如果你開始跟GPT-4說“再見”,，它就幾乎一心一意只想跟你說byebye～（doge）
5 k8 ^5 l8 C0 l
! U, D4 l. X" n$ E這項火爆全網的研究，來自東京大學和日本Alternative Machine公司,。
$ f, R; Y. }+ q7 ]0 d
一作Takahide Yoshida,，來自東京大學通用系統(tǒng)科學系。

' c* T  S2 H1 {另外兩位作者升森敦士（Atsushi Masumori）和池上高志（Takashi Ikegami）,，都是既在東京大學,，又屬于Alternative Machine公司。
/ y+ ?/ z( Y, o

" Z3 u% a6 O8 G0 ?1 d

最后,，不得不提到本次研究內容的主人公Alter3,，它的幕后研究者也來自東京大學，由東京大學AI研究學者池上高志和日本“機器人之父”石黑浩聯(lián)袂打造,。
9 d* s9 k' w& i. o9 [. L2 e1 z3 u  c
2 v& b  |" }' Y( F+ dAlter3出生于2020年,，是同系列機器人第三代產品。

( k0 a4 R2 L5 F0 F5 M據了解,，Alter系列的兩次迭代都是在歌劇演唱中完成的,。第3代的初亮相就是在東京新國立劇場指揮管弦樂隊并參加其他現(xiàn)場表演。
) E2 C1 y+ Q/ }# ~; T  n( c6 v5 ?' H

# b' O% y9 s0 B6 q  V0 w
& R$ S2 Y( L) m5 G1 O% d

那個時候它的特色是增強了傳感器,，并改善了唱歌的表達能力和發(fā)聲系統(tǒng),。

以及身體里那粒能夠最終驅動43個氣動裝置的CPG。

CPG對數(shù)據的分析靈敏到什么程度呢,？就是如果Alter3呆的房間里如果溫度驟降,，Alter3會因此打個冷顫，表示自己有被冷到,。

: g6 k7 ~' a1 y$ n" D! ^
3 J- k! D1 ^8 _這或許也為現(xiàn)在接入GPT-4當腦子后的它,，能夠活靈活現(xiàn)做表情、完成動作提供了一些基礎吧,。
- E1 W1 r2 i1 i8 ~
  G7 q0 J& C7 w* e# B4 I& K4 n' x
6 P2 I, Q, J3 m% z5 \7 I; o7 H5 A

紫衣青衫

感覺能看到N年后的一點影子了,，AI迭代下去智能提升，控制機器軀殼

喂我袋鹽

紫衣青衫 發(fā)表于 2023-12-22 15:34
感覺能看到N年后的一點影子了,，AI迭代下去智能提升,，控制機器軀殼

1 L2 o% C6 G) b& m) f8 s2 N同意，現(xiàn)在看上去還是智障,，將來還是會越來越智能的
/ P7 g1 ~+ b& x( f

tiantianxs

厲害,！科技的力量正在成長