好家伙，波士頓動(dòng)力機(jī)器狗，現(xiàn)在能直接開口說(shuō)話了。

并且不同于Siri的“人工智障”，ChatGPT加持的狗，聊起天來(lái)那叫一個(gè)妙語(yǔ)連珠。

比如隨口說(shuō)一句：“我口渴了。”

它會(huì)直接給你領(lǐng)到咖啡柜臺(tái)前，并回答：

我們這里有小吃店和咖啡機(jī)。這是我們的人類同事尋找能量靈丹的地方。請(qǐng)隨意補(bǔ)充水分、給自己充能，就像我們機(jī)器人在基站里所做的那樣。

圖片

聲音聽起來(lái)非常有磁性。

如果你讓它帶你見見它的“父母”，它還能在波士頓動(dòng)力的展廳里，指出Spot V1給你看。

圖片

這些功能的實(shí)現(xiàn)，都不需要編寫特定代碼，主要是靠ChatGPT的“悟性”和視覺(jué)問(wèn)答（VQA）模型、Whisper等其他一些AI模型輔助完成。

圖片

這一下子真把網(wǎng)友們給驚艷到了：

圖片

如何打造一只聊天機(jī)器狗

具體來(lái)說(shuō)，波士頓動(dòng)力的研究人員提供給機(jī)器狗的，只是一個(gè)簡(jiǎn)單腳本。

給出的信息主要是公司里都有哪些房間、設(shè)施。每個(gè)房間、設(shè)施都有對(duì)應(yīng)的一句話描述，比如：充電站，這是機(jī)器人充電的地方。

圖片

接著，他們讓Spot機(jī)器狗四處走動(dòng)，通過(guò)攝像頭自己去觀察公司環(huán)境，并利用VQA和ChatGPT的能力為觀察到的事物打上“標(biāo)記”，再把這些信息添加到腳本中。

就像這樣：

圖片

這樣一番調(diào)教之下，機(jī)器狗“導(dǎo)游”就可以正式上崗了。

既能跟游客插科打諢：

△“希望你不會(huì)因?yàn)樗俣忍簧蠙C(jī)器狗的腳步”

正經(jīng)科普起知識(shí)來(lái)也像模像樣。

研究人員還提到，機(jī)器狗可以自如地改變“狗設(shè)”。需要做的只是在腳本里添加一句話，比如：你是一個(gè)1920年代的考古學(xué)家。

像這個(gè)“詩(shī)人”Spot，就能自己作出這樣的詩(shī)句：

發(fā)電機(jī)在沉悶的房間里發(fā)出低沉的嗡嗡聲。很像我的靈魂。Generator hums low in a room devoid of joy. Much like my soul.

圖片

另外，基于Spot 3.3版本自動(dòng)檢測(cè)移動(dòng)物體的能力，機(jī)器狗“導(dǎo)游”能夠感知到最近的人在哪個(gè)方向，從而把機(jī)械臂轉(zhuǎn)過(guò)去，實(shí)現(xiàn)“對(duì)視”交流。

研究人員還用低通濾波器對(duì)生成的語(yǔ)音進(jìn)行了處理，將其轉(zhuǎn)化為機(jī)械臂的運(yùn)動(dòng)軌跡，這樣一來(lái)，機(jī)器狗的行動(dòng)就更靈動(dòng)了。

不過(guò)，研究人員也提到，ChatGPT加持下的機(jī)器狗難免有胡說(shuō)八道的時(shí)候，只是作為一名“導(dǎo)游”，倒也還無(wú)傷大雅。

他們認(rèn)為：

我們很高興繼續(xù)探索人工智能和機(jī)器人技術(shù)的交叉點(diǎn)。這兩種技術(shù)是絕妙的搭配。

機(jī)器人提供了一種在現(xiàn)實(shí)世界中“落地”大模型的絕佳方法。而大模型對(duì)于許多機(jī)器人任務(wù)來(lái)說(shuō)都是有用的——比如，僅僅通過(guò)對(duì)話就能將任務(wù)分配給機(jī)器人，降低機(jī)器人使用的門檻。

參考鏈接：[1]https://www.youtube.com/watch?v=djzOBZUFzTw[2]https://bostondynamics.com/blog/robots-that-can-chat/