Тим од Универзитетот во Токио го претстави Alter3, хуманоиден робот кој може да врши движења користејќи го моделот на голем јазик (LLM) GPT-4. Alter3 ја користи најновата алатка Отворете вештачка интелигенција динамично да заземате различни пози, од поза за селфи до создавање духови, сето тоа без потреба од однапред програмирани записи во базата.
„Одговорот на Alter3 на разговорна содржина со помош на изрази на лицето и гестови е значаен напредок во хуманоидната роботика што лесно се прилагодува на другите андроиди со минимални промени“, велат истражувачите.
Во областа на интеграцијата на LLM со роботи, фокусот е на подобрување на основната комуникација и моделирање на реални одговори. Истражувачите исто така истражуваат во способностите на LLM да им овозможат на роботите да разберат и извршуваат сложени инструкции, а со тоа да ја зголемат нивната функционалност.
Традиционално, управување со ниско ниво работи е поврзан со хардвер и лежи надвор од надлежностите на LLM корпорациите. Ова создава потешкотии за директно управување со работи засновани на LLM. Решавајќи го овој проблем, јапонскиот тим разви метод за претворање на изразите на човечките движења во код разбирлив за Android. Ова значи дека роботот може самостојно да генерира низа на дејства со текот на времето без потреба од развивачите поединечно да го програмираат секој дел од телото.
За време на интеракцијата, едно лице може да даде команди на Alter3 како „Направи селфи со вашиот iPhone“. Последователно, роботот иницира серија барања до GPT-4 за да добие насоки за потребните чекори. GPT-4 ќе го преведе ова во Python код кој овозможува работата да ги „разбере“ и да ги изврши потребните движења. Оваа иновација му овозможува на Alter3 да го движи горниот дел од телото додека долниот дел од телото останува неподвижен, прикачен на држачот.
Alter3 е трета итерација во серијата хуманоидни роботи на Alter од 2016 година, со 43 актуатори одговорни за изрази на лицето и движења на екстремитетите напојувани од компримиран воздух. Оваа конфигурација обезбедува широк опсег на експресивни гестови. Роботот не може да оди, но може да имитира типични движења на одење и трчање.
Alter3, исто така, покажа способност за копирање на човечки пози користејќи ја камерата и рамката OpenPose. Роботот ги прилагодува зглобовите на набљудуваните положби и зачувува успешни имитации за подоцнежна употреба. Интеракцијата со човекот доведе до поразновидни пози, поддржувајќи ја идејата дека различните движења доаѓаат од имитирањето на човекот, слично на тоа како новороденчињата учат преку имитација.
Пред LLM, истражувачите мораа внимателно да ги контролираат сите 43 активирачи за да ја рекреираат позата на една личност или да симулираат однесување, како што се сервирање чај или играње шах. Ова бараше бројни рачни прилагодувања, но ВИ помогна да се ослободи тимот од оваа рутина. „Очекуваме Alter3 ефикасно да се вклучи во дијалог со прикажување на изрази на лицето и гестови кои се релевантни за контекстот. Демонстрираше способност да се пресликуваат емоциите, на пример, да се покаже тага или среќа како одговор, а со тоа да се споделуваат емоции со нас“, велат истражувачите.
Прочитајте исто така: