在現(xiàn)代的生活和生產(chǎn)流程中，處處都離不開機(jī)器人。從工廠里制造產(chǎn)品的機(jī)械臂，到家用掃地機(jī)器人，都是機(jī)器人賦能生活的場景體現(xiàn)。你有沒有想過，當(dāng)有一天，你無需學(xué)會編程，只需告訴機(jī)器人：“請加熱我的午餐”，它就會自己找到微波爐。這是不是很神奇？
而最新的研究結(jié)果顯示，憑借著寫論文、寫代碼等強(qiáng)大功能沖擊了整個(gè)科技界的ChatGPT，則有可能驅(qū)動(dòng)機(jī)器人實(shí)現(xiàn)這一暢想，使人機(jī)交互直接邁入新時(shí)代。
ChatGPT+機(jī)器人走到哪一步了？
人類目前仍然嚴(yán)重依賴手寫代碼來控制機(jī)器人。以往每次想開發(fā)一個(gè)新產(chǎn)品，或者讓現(xiàn)有的機(jī)器執(zhí)行一個(gè)新功能，都需要一個(gè)高級工程師編寫代碼，同時(shí)盡可能編寫測試覆蓋所有場景。
而微軟在最新發(fā)表的論文《機(jī)器人ChatGPT：設(shè)計(jì)原則和模型能力(ChatGPTforRobotics：DesignPrinciplesandModelAbilities)》中提出的一套新的實(shí)驗(yàn)框架，就在探索如何改變這一現(xiàn)實(shí)，實(shí)現(xiàn)用ChatGPT驅(qū)動(dòng)機(jī)器人，進(jìn)行更自然的人機(jī)交互。
OpenAI的ChatGPT是一個(gè)生成式文本模型，通過對話形式提供了出色的交互能力，既能進(jìn)行文本創(chuàng)作，也能撰寫代碼。微軟的研究目的便是觀察ChatGPT是否能夠超越文本，思考物理世界以幫助機(jī)器人完成任務(wù)。
ChatGPT“訓(xùn)練”機(jī)器人
實(shí)驗(yàn)證明，ChatGPT可以用來幫助機(jī)器人學(xué)習(xí)和理解自然語言指令，使得人類員工能夠更加輕松地與機(jī)器人交互，而不需要專業(yè)的編程或機(jī)器人控制知識。例如，當(dāng)機(jī)器人被用于配送和物流領(lǐng)域時(shí)，ChatGPT可以幫助機(jī)器人更好地理解用戶需求和指令，使得機(jī)器人能夠更加智能地完成配送和物流任務(wù)。目前國內(nèi)就已有迎賓機(jī)器人宣布接入ChatGPT，以此推動(dòng)產(chǎn)品對話更加流暢。
而其中的關(guān)鍵難題是教ChatGPT如何使用物理定律、適應(yīng)操作環(huán)境，以及了解機(jī)器人的物理行為如何改變世界狀態(tài)，并以此來解決指定的任務(wù)。
倫敦大學(xué)學(xué)院(UCL)名譽(yù)教授和計(jì)算機(jī)科學(xué)家彼得·本特利博士(Dr。PeterJohnBentley)在接受采訪時(shí)表示，人類在未來用AI工具如ChatGPT來控制機(jī)器人是完全可行的路徑。
AI大語言模型+機(jī)器人或成新趨勢
谷歌當(dāng)然也不甘其后，聯(lián)合柏林工業(yè)大學(xué)的團(tuán)隊(duì)于本周一重磅推出了史上最大視覺語言模型——PaLM-E。作為一種多模態(tài)具身視覺語言模型(VLM)，PaLM-E不僅可以理解圖像，還能理解、生成語言，而且竟然還能將兩者結(jié)合起來，處理復(fù)雜的機(jī)器人指令。在以前，機(jī)器人通常需要人工的協(xié)助才能完成長跨度任務(wù)。但現(xiàn)在，PaLM-E通過自主學(xué)習(xí)就可以搞定了。
可見，如同讓ChatGPT“訓(xùn)練”和驅(qū)動(dòng)機(jī)器人一樣，AI大語言模型與機(jī)器人技術(shù)的結(jié)合或成為未來研究的重要趨勢之一。
ChatGPT如何驅(qū)動(dòng)機(jī)器人？
據(jù)介紹，現(xiàn)代機(jī)器人技術(shù)依賴于一種閉環(huán)體系。在這個(gè)體系中，需要先對任務(wù)進(jìn)行編程，同時(shí)監(jiān)測機(jī)器人的行為，再相應(yīng)地調(diào)整程序，編寫新的代碼和規(guī)范來糾正機(jī)器人的行為。這個(gè)過程緩慢、昂貴且低效，因?yàn)椴粌H需要具有深厚機(jī)器人知識的高技能用戶，而且需要用戶參與多次交互才能使機(jī)器人正常工作。
而按照微軟的設(shè)想，ChatGPT可以解鎖一種新的機(jī)器人范式——將某項(xiàng)工作的人類語言描述轉(zhuǎn)換成機(jī)器人可讀的代碼。這意味著在此過程中，即使是非專業(yè)技術(shù)用戶也可以像專業(yè)工程師那樣，用人類語言提供原始任務(wù)描述，觀察機(jī)器人行為，并用人類語言提供關(guān)于機(jī)器人行為的反饋，然后ChatGPT會將其轉(zhuǎn)化為代碼以改善機(jī)器人行為。
首先，用戶需要設(shè)定ChatGPT能夠采用的一系列API（應(yīng)用程序接口）或功能編碼庫。這個(gè)庫可以根據(jù)特定機(jī)器人的類型進(jìn)行設(shè)計(jì)，并為高級API用描述性名稱命名，讓ChatGPT可以更順利地推理它們的行為。
接下來，根據(jù)可訪問的API或功能編碼，用戶可以描述對工作的預(yù)期目標(biāo)或需要進(jìn)行約束的內(nèi)容。如說明高級庫中的哪些函數(shù)可用，或者ChatGPT應(yīng)該如何組織它的答案，包括使用特定的編程語言等。
最后，用戶在用模擬器評估ChatGPT撰寫的代碼后，可以用自然語言提供反饋意見。當(dāng)用戶對解決方案感到滿意時(shí)，就可以將最終的代碼部署到機(jī)器人上。
ChatGPT+機(jī)器人能做什么？
一個(gè)有趣的示例是，當(dāng)用木塊搭建微軟logo時(shí)，面臨著橋接文本域和物理域的挑戰(zhàn)。而在這項(xiàng)研究中，ChatGPT已經(jīng)能夠?qū)崿F(xiàn)不僅從其內(nèi)部知識庫中調(diào)用微軟的logo，還能用SVG（可縮放矢量圖形）的代碼“繪制”這個(gè)logo，然后利用上面學(xué)到的技能來確認(rèn)現(xiàn)有的機(jī)器人動(dòng)作流程和可以搭建它的物理形式。
研究結(jié)果顯示，通過讓ChatGPT生成計(jì)算機(jī)代碼，可以達(dá)成控制機(jī)器人的效果，并實(shí)現(xiàn)許多應(yīng)用場景。如控制一臺真正的無人機(jī)的全部功能，完成導(dǎo)航領(lǐng)域的復(fù)雜機(jī)器人部署，指引無人機(jī)清點(diǎn)超市貨架、盤點(diǎn)存貨、操作機(jī)械臂，以及基于API（應(yīng)用程序接口）的物體識別和遠(yuǎn)程操作，如搜索等，還能幫助實(shí)現(xiàn)讓人形機(jī)器人更像“人”的愿景。
通過給ChatGPT編寫算法，可以讓無人機(jī)在不撞上障礙物的情況下，在空中達(dá)到目標(biāo)。只需要告訴模型，它操控的這架無人機(jī)有一個(gè)前向距離傳感器，ChatGPT立即能夠?yàn)樗惴ň幋a了大部分關(guān)鍵構(gòu)件。且在這個(gè)人機(jī)交流過程中，ChatGPT僅通過自然語言反饋就能進(jìn)行局部代碼修改。
當(dāng)用戶的指令含糊不清時(shí)，ChatGPT會提出澄清問題，并為無人機(jī)編寫復(fù)雜的代碼結(jié)構(gòu)，例如鋸齒形圖案，以便可視化地檢查貨架。
ChatGPT+機(jī)器人還能應(yīng)用于模擬的工業(yè)檢測場景，例如可以在MicrosoftAirSim模擬器中使用ChatGPT進(jìn)行模擬監(jiān)測，實(shí)驗(yàn)結(jié)果顯示該模型能夠有效地解析用戶的高級意圖和幾何線索，以準(zhǔn)確地控制無人機(jī)。
ChatGPT有能力適應(yīng)各種物理表現(xiàn)形式，通過對話進(jìn)行閉環(huán)推理，并解決機(jī)器人技術(shù)中的各類“零點(diǎn)翻譯問題”（Zero-shot，指不借助中間語的直接翻譯。如谷歌曾經(jīng)的翻譯系統(tǒng)都依賴英語做中間語，先將源語言翻譯為英語，再將英語翻譯為目標(biāo)語）。由于機(jī)器人的很多相關(guān)技術(shù)的成熟度相對更高，有多個(gè)開源或閉源的編程庫存在，可幫助設(shè)計(jì)機(jī)器人在認(rèn)知和行動(dòng)領(lǐng)域的基本行動(dòng)，如物體檢測和分割、映射、運(yùn)動(dòng)規(guī)劃、控制和抓取等。
ChatGPT+機(jī)器人仍面臨諸多挑戰(zhàn)
技術(shù)仍面臨挑戰(zhàn)
事實(shí)證明，ChatGPT本身可以做很多事情，但它仍然需要一些幫助。就像是以往取得過一些驚人成果的“深藍(lán)”或“阿爾法狗”，它們都是專家特化型AI，都只會下國際象棋或圍棋。如果要學(xué)會一項(xiàng)新技能，就必須更換新的數(shù)據(jù)庫，類似手機(jī)刷機(jī)或電腦重裝系統(tǒng)。而當(dāng)前的ChatGPT要想融入機(jī)器人技術(shù)，也面臨著差不多的情況。
例如現(xiàn)階段來看，ChatGPT雖然能夠生成計(jì)算機(jī)代碼，但控制機(jī)器人的問題在于，計(jì)算機(jī)代碼可能需要為特定的硬件量身定制才能正常工作。ChatGPT目前使用的是它已經(jīng)學(xué)習(xí)到的代碼示例，但它可能暫時(shí)無法做到及時(shí)更新，兼容不了最新的硬件。
所以，科學(xué)家PeterJohnBentley博士表示，目前ChatGPT不太可能與人類開發(fā)人員相提并論。它只是提供了一個(gè)簡單的捷徑，可以幫助人們學(xué)習(xí)基礎(chǔ)知識，但它缺乏作為開發(fā)人員的基本能力。
ChatGPT輸出內(nèi)容仍需評估
就目前而言，ChatGPT還存在很多漏洞，在功能性、保障性，以及安全性上缺乏基本的能力。因此，該研究團(tuán)隊(duì)也表示，ChatGPT的輸出不應(yīng)該在沒有仔細(xì)分析的情況下直接部署在機(jī)器人上。在未來現(xiàn)實(shí)部署之前，有必要通過在模擬環(huán)境中獲得實(shí)驗(yàn)結(jié)果，從而對算法進(jìn)行評估，并采取必要的安全預(yù)防措施。
結(jié)語
用ChatGPT驅(qū)動(dòng)機(jī)器人是前所未有的大膽設(shè)想，目的是讓機(jī)器人技術(shù)從科學(xué)實(shí)驗(yàn)室走入千家萬戶，實(shí)際地賦能人們的日常生活。基于這一美好愿景，未來，ChatGPT+機(jī)器人的相關(guān)研究與應(yīng)用仍需要進(jìn)行長期的努力。
