RoboTool:讓機(jī)器人通過(guò)大語(yǔ)言模型創(chuàng)新性地運(yùn)用工具

　　研究人員在卡內(nèi)基梅隆大學(xué)和Google DeepMind最近開(kāi)發(fā)了名為RoboTool的系統(tǒng)，該系統(tǒng)通過(guò)利用大型語(yǔ)言模型，為機(jī)器人創(chuàng)造性地使用工具提供了可能性。該系統(tǒng)的引入有望為機(jī)器人領(lǐng)域帶來(lái)新的創(chuàng)新和創(chuàng)造力浪潮。

　　"工具的使用經(jīng)常被視為先進(jìn)智能的標(biāo)志，"卡內(nèi)基梅隆大學(xué)博士候選人兼論文的共同第一作者M(jìn)engdi Xu介紹道。他補(bǔ)充說(shuō):"創(chuàng)意地使用工具不僅要求預(yù)測(cè)動(dòng)作結(jié)果的全面能力，還需要推理使用哪種工具以及如何使用它們。"

　　機(jī)器人通常以標(biāo)準(zhǔn)和重復(fù)的方式完成手動(dòng)任務(wù)，而不去探索替代方法。然而，通過(guò)更創(chuàng)新的方式解決問(wèn)題，它們可以更好地應(yīng)對(duì)復(fù)雜的現(xiàn)實(shí)場(chǎng)景。Mengdi Xu的同事之一、共同第一作者和博士候選人Peide Huang表示:"在機(jī)器人領(lǐng)域，創(chuàng)意工具使用也是一種關(guān)鍵但非常苛刻的能力，因?yàn)樗�需要全方位地預(yù)測(cè)行動(dòng)結(jié)果、推理使用哪種工具以及規(guī)劃如何使用它們。"

　　研究人員的主要目標(biāo)是設(shè)計(jì)一個(gè)允許機(jī)器人更創(chuàng)造性地使用工具的系統(tǒng)。這種工具可以幫助機(jī)器人更有效地解決各種現(xiàn)實(shí)問(wèn)題，例如在試圖抓取無(wú)法觸及的物體時(shí)，或者創(chuàng)建攀爬到目標(biāo)位置的步石時(shí)，能夠調(diào)整其策略。

　　Peide Huang解釋說(shuō):"大型語(yǔ)言模型(LLMs)的崛起極大地增強(qiáng)了聊天機(jī)器人、編碼自動(dòng)化和視覺(jué)內(nèi)容創(chuàng)建等功能。在這些數(shù)字界面之外，具有實(shí)體存在的AI可能代表著智能的下一個(gè)領(lǐng)域，即與現(xiàn)實(shí)世界進(jìn)行有形互動(dòng)。機(jī)器人作為L(zhǎng)LMs的物理延伸，為這一探索提供了理想的媒介。"

　　過(guò)去的研究已經(jīng)展示了LLMs在改善各種機(jī)器人功能方面的潛力，包括與用戶的交流、推理、規(guī)劃和任務(wù)執(zhí)行。例如，Google DeepMind的SayCan工具使機(jī)器人能夠理解諸如"I spilled my drink， can you help?"這樣的自然語(yǔ)言指令，并隨后制定策略來(lái)解決各種家務(wù)問(wèn)題。然而，利用LLMs解決機(jī)器人身體和周圍環(huán)境設(shè)定的隱含約束的問(wèn)題仍然具有挑戰(zhàn)性。

　　Peide Huang、Mengdi Xu及其同事決定探索LLMs的使用，以提高機(jī)器人在不同任務(wù)中的創(chuàng)造性。換句話說(shuō)，他們希望創(chuàng)建一個(gè)系統(tǒng)，能夠識(shí)別使看似"不可能"的任務(wù)成為可能的創(chuàng)意方法。

　　他們提出的系統(tǒng)名為RoboTool，接受關(guān)于環(huán)境、機(jī)器人結(jié)構(gòu)和要遵循的任何約束的自然語(yǔ)言指令，然后生成應(yīng)用機(jī)器人參數(shù)化低級(jí)技能以控制模擬和實(shí)體機(jī)器人的代碼。

　　研究人員創(chuàng)建的新工具具有四個(gè)關(guān)鍵組件:分析器、規(guī)劃器、計(jì)算器和編碼器。分析器處理用戶用自然語(yǔ)言給出的提示，識(shí)別可能影響所請(qǐng)求任務(wù)可行性的關(guān)鍵元素。

　　RoboTool的規(guī)劃器組件接收原始語(yǔ)言輸入和已識(shí)別的關(guān)鍵概念，利用它們制定完成任務(wù)的綜合策略。計(jì)算器組件則確定參數(shù)，例如每個(gè)參數(shù)化技能所需的目標(biāo)位置。

　　RoboTool的最終組件，即編碼器，將規(guī)劃器創(chuàng)建的綜合計(jì)劃和計(jì)算器產(chǎn)生的參數(shù)轉(zhuǎn)換為可執(zhí)行代碼。值得注意的是，所有這些組件都是使用OpenAI的GPT-4模型開(kāi)發(fā)的。

　　RoboTool使機(jī)器人能夠創(chuàng)造性地使用工具，解決各種以前未遇到的復(fù)雜任務(wù)。例如，它可以幫助制造杠桿以舉起重箱，或使用磁性方塊制作桿以按下難以觸及的按鈕。

　　Peide Huang、Mengdi Xu及其合作者開(kāi)發(fā)的這一新工具很快就能夠被全球的機(jī)器人學(xué)家使用，以拓展其系統(tǒng)的能力。該工具可以使機(jī)器人執(zhí)行更復(fù)雜的家務(wù)任務(wù)，例如使用可用工具清理排水管或修理破損的家具。

　　Mengdi Xu說(shuō):"RoboTool還可以通過(guò)即興使用可用工具來(lái)改善機(jī)器人在碎片或倒塌的結(jié)構(gòu)中導(dǎo)航，以達(dá)到被困人員。它還可以應(yīng)用于建筑和維護(hù)，允許機(jī)器人使用手頭上的任何工具適應(yīng)性地修復(fù)機(jī)械設(shè)備或結(jié)構(gòu)，或通過(guò)創(chuàng)造性地組合傳統(tǒng)工具構(gòu)建精細(xì)設(shè)計(jì)。"

　　研究人員已經(jīng)在項(xiàng)目網(wǎng)站上發(fā)布了RoboTool的演示視頻。在他們的下一項(xiàng)研究中，他們計(jì)劃將大型視覺(jué)基礎(chǔ)模型納入其系統(tǒng)，包括支持3D計(jì)算機(jī)視覺(jué)的模型，因?yàn)檫@可以進(jìn)一步增強(qiáng)機(jī)器人在開(kāi)放環(huán)境中的感知和推理能力�？▋�(nèi)基梅隆大學(xué)的副教授、CMU Safe AI實(shí)驗(yàn)室主任丁昭表示:"我們還計(jì)劃開(kāi)發(fā)人類與RoboTool進(jìn)行直觀指導(dǎo)和協(xié)作的方式，并為RoboTool建立安全措施，以降低機(jī)器人與人類共同工作時(shí)的風(fēng)險(xiǎn)。"