首页 > 业界 > 关键词  > SayTap最新资讯  > 正文

谷歌DeepMind新语言模型SayTap 让机器狗听从人类指令

2023-09-06 11:08 · 稿源:站长之家

文章概要:

1. 谷歌DeepMind设计语言模型SayTap,可将人类指令转为机器狗可理解格式

2. SayTap可处理复杂、模糊指令,让机器狗做出适当反应

3. SayTap可将自然语言转为机器可理解格式,未来可让机器人听从人类语言指令

站长之家(ChinaZ.com)9月6日 消息:谷歌DeepMind的研究人员开发了一个大型语言模型SayTap,可将人类各种指令转换为四足机器狗可以理解的格式。

image.png

这个模型让机器狗不仅可以理解基本的前进、后退等指令,还可以理解一些情况性的复杂概念,比如抓住松鼠或快速跑等。

研究人员为四足机器狗设计了期望的“足接触模式”,其中1表示脚接触地面,0表示脚离开地面。他们根据这些输入的不同组合来教会机器狗如何行走、小跑或原地跳跃。

研究人员表示,这些足接触模式组合构成了一种“自然语言用户指令与底层控制器之间的新接口”。例如,在一个测试中,研究人员让狗“缓慢地向前小跑”,SayTap就会将这句英语指令转换为对应的二进制代码,传递给机器狗执行。

研究人员表示,SayTap最有趣的地方在于它可以“处理非结构化和模糊的指令”。仅提供简短的提示,它就可以成功地指挥机器狗在被告知“我们要野餐”时跳上跳下,或在被告知“假装地面很热”时快速奔跑。它甚至可以在被要求远离松鼠时缓缓后退。

研究人员在博文中写道,SayTap作为一种可以传递到真实机器人硬件的控制器,为自然语言与底层控制器之间架起桥梁,这可让人类仅通过像对待另一个人类一样对机器人说话来指挥它们。尽管该技术还处在早期阶段,但未来可能让人类通过自然语言指令来控制机器人。

举报

  • 相关推荐
  • 谷歌DeepMind发布Genie 3世界模型:支持实时生成交互式3D环境

    据媒体报道,谷歌DeepMind正式发布了其新一代通用世界模型Genie 3。 该模型能够根据用户的文本提示,快速生成丰富多样的交互式虚拟环境。Genie 3不仅能够以每秒24帧的速度生成720p分辨率的高清交互式3D世界,更创新性地引入了 可提示世界事件” 功能。用户通过简单文本指令,即可实时修改虚拟环境,显著提升了沉浸感与创造力。 DeepMind视Genie 3为迈向通用人工智能(AGI) 的�

  • AI日报:百度推全球首批AI数字员工;Claude Opus4.1出世;谷歌DeepMind发布世界模型Genie 3

    AI日报栏目聚焦人工智能领域最新动态:1)Claude Opus4.1发布,编程能力提升74.5%;2)OpenAI开源GPT-OSS-120B和20B模型;3)谷歌DeepMind推出革命性3D世界模型Genie3;4)谷歌Gemini新增AI故事书生成功能;5)ElevenLabs推出商用AI音乐生成器;6)百度智能云发布首批AI数字员工;7)OpenAI估值或达5000亿美元;8)00后创业者推出云端AI协作开发工具Vinsoo;9)腾讯启动2026校园招聘,重点培养AI人才;10)马斯克宣�

  • 智能“机器狗”亮相广博会 视源股份四足机器人提供展会、赛事安保新思路

    广州博览会上,本土企业视源股份自主研发的四足机器人MAXHUB+X7引发关注。该机器人具备全地形适应能力,可稳定穿越35°斜坡、台阶及沙石路面,支持自主导航、自动执行任务。搭载双摄像头、气体传感器等模块,能替代人工在复杂环境中执行巡检、灭火等任务,适用于展会安保、救援等多场景。其核心价值在于动态风险预测与人机协同响应,已在北京等地的实战中验证能力。产品未来将在广州多个城市管理场景部署,提升生产效率。

  • 别再猜了!手把手教你用数据选择AI模型,我的Gemini 2.5 Flash-Lite vs DeepSeek选型心得

    开发者分享模型选择心路历程:从盲目试错到数据驱动。曾因追求低价模型导致成本飙升,后通过AIbase平台对比Gemini 2.5 Flash-Lite和DeepSeek-V3,基于价格、上下文长度和代码能力等数据,最终选择更适合代码生成任务的DeepSeek-V3。强调没有“最好”的模型,只有“最适合”的模型,建议开发者善用专业工具进行数据驱动决策,避免隐性成本。

  • INDEMIND:高需求和低渗透之间,服务机器人为何规模化落地难?

    在全球经济面临劳动力短缺的背景下,加之疫情的进一步催化,服务机器人取得了蓬勃发展,预计 2022 年,全球服务机器人市场规模将达到 217 亿美元,然而尽管如此,在高速发展之下,机器人的行业渗透率却并未明显提高,究其原因在于红利之后,机器人的规模化商业落地过程走的并不顺利...作为国内领先的机器人关键AI技术供应商,INDEMIND在机器人的导航、避障、决策、AI交

  • Gemini 2.5 Flash-Lite与 DeepSeek-V3 深度对比:谁在性价比上更胜一筹?

    面对琳琅满目的大模型API,开发团队常陷入选择困境。文章指出,2024年既是机遇也是挑战的时代,闭源模型选择丰富但性能与成本平衡复杂。通过AIbase等数据驱动平台进行客观对比至关重要。以Gemini 2.5 Flash-Lite和DeepSeek-V3为例,前者综合能力强适合多语言场景,后者在代码生成和成本控制上优势明显。建议开发者明确需求,通过实际测试验证模型表现,理性选择最适合的方案。

  • 免费使用!腾讯地图已接入DeepSeek-V3.1

    DeepSeek V3.1于2025年8月21日发布并开源,腾讯地图率先完成接入。新版AI助手“AI叮当”在三大核心能力显著提升:思考效率更高,响应更快;上下文理解更强,支持多轮连贯对话;智能体调用更精准,尤其在中文网页理解和跨领域搜索方面表现突出。依托升级,AI叮当可提供个性化行程规划、周边推荐及景点知识问答等智能出行服务,让导航升级为全程智能生活陪伴。

  • AI大模型选型决策指南:10分钟数据对比 Gemini 2.5 Flash-Lite 与 DeepSeek R1

    本文探讨大模型选型困境与解决方案。2025年全球可调用大模型超300个,但选型面临三大难题:单位混乱、定价波动快、87%团队无法量化模型价值。提出三层漏斗筛选法:1)场景刚需筛选80%选项;2)验证核心性能;3)评估边际效益。以Gemini和DeepSeek为例,前者适合常规FAQ场景年省$16,000,后者适用于金融计算场景可降低15%人工复核。建议建立动态评估体系,将3小时选型会议压缩至18分钟,错误率下降40%。核心观点:选型应从参数争论转向场景验证,通过自动化工具为工程师节省时间,聚焦提示词优化而非参数对比。

  • Google Gemini vs Deepseek:谁更适合你的业务场景?AI大模型选型终极对比指南

    企业在选择大模型时面临两难:国际大厂的Gemini技术先进,但国内DeepSeek性价比突出。AIbase平台通过真实场景测试数据指出:1)跨境电商客服场景中,Gemini多语言识别准确率提升12%,但需注意API延迟问题;2)金融研报分析场景下,DeepSeek支持128K长文本且成本仅为Gemini的1/3。决策关键:抛开参数迷雾,聚焦成本、响应速度、语言支持和场景匹配四大维度。AIbase提供可视化对比工具,3分钟生成专属选型报告,让技术决策不再玄学。

  • 2025年大模型选型核心指南:Beyond GPT-4,如何理性评估Qwen、DeepSeek等强者?

    大模型选择能力已成为AI时代企业核心竞争力。文章提出“能力-成本-场景”三维评估框架,强调需超越单一指标崇拜,基于客观数据和实际需求进行理性选择。通过Qwen2-Plus与DeepSeek-V3的对比分析,展示不同模型在特定场景下的差异化优势。建议企业建立科学选型流程,采用专业工具进行多维度评估,通过三阶段验证策略确保决策既数据驱动又经实践检验。最终目标是选择最适合业务场景的模型,而非盲目追求流行模型。

今日大家都在搜的词:

热文

  • 3 天
  • 7天