太獵奇了，首個GPT-4驅動的人形機器人

twq19810302

9 J' J; n* M+ U" E6 }
6 m; f  Y8 P6 |8 `  H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？

; E3 ]: X8 v. [0 r答案是：太 獵 奇 了！
% y) J1 p% s- P
$ B- X$ z" C- ]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😅”。

( T8 d! C) v. Q6 G. b4 E在GPT-4的操縱下，機器人笑容凝固，“尷尬”得搖頭扶額后仰：

. ]6 a+ @* V, `. F3 R: P: y
; P! t" J2 Q0 y, R! c

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”。
- \' o% z% D$ w: J) Z, [3 r
7 S) N" S. B- y' X/ p# ~  WGPT-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……

( o/ e* g/ F8 t1 C% H' R

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）。

/ m1 z  _: e4 c6 c+ x8 J. m+ J總結一系列動作來看——
1 C1 x  x  S1 s0 H4 ^, F% n
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。

1 }. E: A) j$ T! F

1 m5 ?* o# L$ {2 A# Z
3 X7 w8 D5 Z' R* B, @5 r5 ~

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

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。

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(jù)指令完成行動。

$ |7 ~: i" j$ y0 y( ^8 e/ R

來具體講講把GPT-4和Alter3集成到一起，是如何實現(xiàn)的。

大體可以分為兩個步驟：

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”。
# H( z/ g1 u5 O
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。
0 V4 N* f4 b  c# G
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。

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。

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)。
+ v7 c9 ^; \! G
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

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”。
$ |  J( B: q1 i& Q
4 ~6 M8 z1 o" J

: j3 J$ T; {! ?+ |/ d& l6 u& f

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。

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。
% I, R. v( v+ J( [
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。

3 S" h$ d8 a! o" d+ s" Z$ u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。

5 m0 j+ k9 W. L/ M- R4 v而當對話順序隨機時，對話內容更有發(fā)散性or創(chuàng)造性。

& |' d: ]6 q; i" y+ D. g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。
0 S; \1 [! o; g) ?  G) W
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。

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。

0 v" Y/ w6 s# U" c. N這表明對話內容是在逐漸發(fā)展變化的。

- M1 g5 B/ Z1 c# V/ \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）
- ^! ^* ^# M* n" y( L  W; f- f
# k2 X% |" J* U6 [4 l3 w  ~3 D% t: Q這項火爆全網(wǎng)的研究，來自東京大學和日本Alternative Machine公司。

6 O& G$ d4 b: k& p/ q# t一作Takahide Yoshida，來自東京大學通用系統(tǒng)科學系。
1 u% p$ Y% e2 d/ H1 t$ `
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。
# a$ ?4 `. S# q2 Z

! V* L- w0 M% b9 y

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。

0 I1 ~4 e9 j3 Q( @  {! _2 c' |8 `Alter3出生于2020年，是同系列機器人第三代產(chǎn)品。

0 m4 w/ j+ q* u4 E據(jù)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。
  u; s0 }* i+ [4 j) {# g% t' W+ Y

7 L% i- [0 x1 x4 l* f

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)。

, F) Z: j3 z. B- T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(jù)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。
* Y2 |. b& y/ a

6 ^. b4 @' W4 z5 O/ K( C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。

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
% H2 S/ [8 B$ J- t( }0 Y' K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

/ o" j. f* q% c  X4 O( Q同意，現(xiàn)在看上去還是智障，將來還是會越來越智能的

tiantianxs

厲害！科技的力量正在成長