《当我们训练最大的视觉语言模型并添加机器人体验时会发生什么？》 其结果

常常

《当我们训练最大的视觉语言模型并添加机器人体验时会发生什么？》

其结果是 PaLM-E ，一个 5620 亿参数、通用、具体化的视觉语言通才——横跨机器人、视觉和语言。

Google 公布了 PaLM-E 具身语言模型，562B 参数，将现实世界的信息通过传感器纳入语言模型，让机器人可以连续对物体进行适应性操作.

PaLM-E 支持直接从像素进行机器人规划——所有这些都在一个模型中，端到端训练。此处模型正在引导机器人从厨房取薯片袋。 PaLM-E 集成到控制回路中，对机器人旅途中发生的干扰具有鲁棒性。

在不同的领域，这里的**相同**精确 PaLM-E 模型正在实时控制机器人。这个机器人最近需要人工协助来引导它完成非常长的任务 (
[url=https://interactive-language.github.io]https%3A%2F%2

加入社区,可阅读全站10w+资源

您尚未登录，请登录后操作

 非会员试读19%,加入社区后可阅读全文