文章主题：ChatGPT, 物理机器人, 波士顿动力, AI模型
将ChatGPT与物理机器人结合，波士顿动力开发了一只怪物！
在10月27日，全球知名的机器人制造商波士顿动力（Boston Dynamics）发布了一项最新的研究成果，该成果通过整合ChatGPT、Spot等人工智能模型，成功研发出一款具备语言交流能力的智能导览机器人狗。
据报道，这款机器人狗具备了与人类进行对话的能力，它不仅可以识别并回应文字和语音的指令，还能进行视觉交互。更为重要的是，它能够利用自身的智能分析能力，对摄像头的捕捉画面进行解读，并据此生成相应的图像描述。
波士顿动力表示，ChatGPT等大语言模型展现出了强大的控制和输出能力，这让他们大受启发，可以用于控制物理机器人的行为和决策功能。例如，输入一些特定景点数据、图片等，可让机器人提供逻辑清晰、条理分明的导游功能。
这进一步提升了物理机器人的拟人化特征，例如，为其讲述一则幽默的冷笑话，或者执行一些令人捧腹的滑稽动作。若采取传统的手段，这将是一项极具挑战性的任务。
导游机器狗展示导游机器狗技术原理
波士顿动力运用自家研发的四足机器人Spot，构建了一个物理机器人框架，从而实现了诸如行走、监控、导航以及扫描等一系列基础功能。
为使机器人狗能够与人类进行对话交流，研究人员为其搭载了先进的Respeaker V2扬声器。这款设备配备有LED环形阵列麦克风，可以通过USB接口与Spot的EAP 2进行连接，从而实现数据的快速传输。
1）Spot EAP 2）扬声器3） 蓝牙音箱4）点臂和夹具相机
在本文中，我们探讨了一种将计算机作为机器狗控制中心的方法，并借助Spot SDK与之进行数据交互。为了赋予机器狗人类般的动作表现，如点头、伸脖子等，我们采用了Spot的点臂和夹具相机技术。
用ChatGPT让机器狗说话
物理硬件环境搭建完成后，为了使机器狗具备对话功能，研发人员使用了GPT-3.5和GPT-4与Spot SDK相结合，并进行了简单的指令微调，让机器狗具备了初级导游判断和对话功能。
接下来,为了让Spot与人类和环境进行交互,集成了VQA和语音转文本软件。同时将机器人的抓手摄像头和前置机身摄像头输入BLIP-2,并以视觉问答模式(例如“这张图片有什么有趣的地方?”等简单问题)或图像字幕模式运行它。
该过程大约每秒运行一次,结果将直接输入到提示中。
为了让机器狗可以实现“听”的功能,研发人员将麦克风数据分块输入到OpenAI的语音模型Whisper中转换为英文文本。
为了让机器狗能与人类实现对话，需要将人类的语音指令转换成文本用于提示ChatGPT，因此还需要一个转换工具。开发人员在尝试了多种工具后，决定使用了云服务ElevenLabs。
实验中的惊奇现象
在多个测试对话过程中，研发人员发现了一个令人惊奇的现象，机器狗好像具备了简单的自我决策能力。
例如，向机器狗询问Marc Raibert（波士顿动力执行董事）是谁时？它回答：“我不知道他是谁，让我们去服务台问一问吧。”
到了服务台，机器狗继续向服务人员询问Marc Raibert是谁？
当研发人员提问：你的父母是谁？机器狗走向了Spot V1和Big Dog的展示区，并认为这些机器人是它的父辈们。实际上，它们之间确实有关联。
机器狗还展现出了有趣的一面，可以主动向路人询问，周围是否有神秘的生物。
波士顿动力表示，未来还会持续优化该产品的功能。ChatGPT与实体机器人的相结合，为大语言模型实现物理化落地打开了大门，可以在导游、娱乐、物流、陪伴等领域得到广泛应用。
关于波士顿动力
波士顿动力（Boston Dynamics）成立于1992年，总部位于马萨诸塞州波士顿。起初是麻省理工学院（MIT）的一个分支机构，后来发展成为一家独立的公司。
波士顿动力以开发高度先进、灵活且具有实用性的机器人而闻名，其产品在工业、研究和消费领域都有应用，主要代表机器人包括：BigDog、Atlas、Spot、Handle等。
本文素材来源波士顿动力官网，如有侵权请联系删除
END返回搜狐，查看更多
责任编辑：
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
