你是否曾經(jīng)想過，如果機器人能像人一樣聽懂我們的語言，自動分解、規(guī)劃和執(zhí)行任務，那將會是多麼神奇的事情？
這一切，現(xiàn)在已經(jīng)成為現(xiàn)實。達闥推出了機器人行業(yè)的多模態(tài)人工智能大模型——RobotGPT，讓機器人真正聽懂你的話語。那麼，什麼是多模態(tài)大模型？RobotGPT大模型具體是什麼，能幹什麼？這些熱知識，一文帶你看懂，手指下滑，一起來GET！
什麼是RobotGPT？機器人多模態(tài)大模型！
RobotGPT是為實現(xiàn)機器人在複雜應用場景下的多模態(tài)行為而提供的交互生成型AI（Generative AI）模型。它以Transformer為基礎，具備多模態(tài)（文本、語音、圖片、視覺、運動、點雲(yún)等）融合感知、認知、決策和行為生成能力。簡單來說，RobotGPT就像一個全能的機器人大腦，可以理解和處理各種類型的信息，然後做出相應的決策和行動。
RobotGPT是達闥為機器人設計的多模態(tài)大模型，※幫你劃重點：RobotGPT不是應用，它是大模型！
小知識：什麼是多模態(tài)大模型？
目前常見的AI大模型有NLP（自然語言處理）大模型、CV計算機視覺大模型、多模態(tài)大模型等。NLP大模型具備超強語言理解能力以及對話生成、文學創(chuàng)作等能力，比如ChatGPT。CV計算機視覺大模型，可以對海量圖片進行識別。這兩種大模型基本都是單模態(tài)的。多模態(tài)大模型是指能夠處理和理解多種類型數(shù)據(jù)（如文本、圖像、聲音等）的大模型。
未來的通用人工智能（AGI）將邁向兩個不同的方向：一是走向多模態(tài)，大模型不僅限於文本和視覺，還可能擴展到嗅覺和觸覺等感官領域；二是走向具身智能，涵蓋機器人、機械臂、無人車等物理實體，使通用人工智能進入物理世界。人類的生存環(huán)境和思考過程都是多模態(tài)的（圖、文、聲、光、電、影等），因此，未來真正的AGI必然是與人類相仿的，高效的多模態(tài)智能處理機，RobotGPT就是一個多模大模型，它具備高效的多模態(tài)信息處理能力和人性化的行為表達能力，可以對文本、語音、圖片、視覺、運動、點雲(yún)等多種信息來源進行理解和處理，支持語言、視覺和運動的多模態(tài)行為表達，使得人機交互更加自然、富有情感。
RobotGPT核心功能：更貼近人的交互方式、更智能的行為決策
RobotGPT發(fā)佈后還有一個被大家問爆了的問題是它能幹什麼，現(xiàn)在一起來看下吧。
目前RobotGPT擁有多模態(tài)交互、生成式AI、自主感知和認知、智能決策等強大功能。其中，多模態(tài)交互和多模態(tài)融合智能，為機器人提供更多元全面的感知和認知能力，從而提高人機交互的效果和體驗。大模型結合具身智能和AIGC，讓機器人對話理解能力大幅提升，能像人一樣去理解材料和對話，生成符合人類價值觀的回答，自動任務分解和自主行為決策可以讓機器人作出自主決策和動作。智能語音、圖片視頻理解，讓機器人能聽、能看、能懂，全方位理解人的需求。情感分析、表情動作生成，讓機器人更有情感，更有溫度。AI變聲、聲紋識別，讓機器人更有個性，更有安全感。行業(yè)問答、多輪對話，無論你有任何問題，機器人都能對答如流。
這是RobotGPT的AIGC對話生成效果展示，回答流暢自然有邏輯，有大量知識儲備。還有一個很炸裂的能力是，你不需要花費心思給AI編造完整的人設和個性，目前後臺有近百種AI人設，還有通過預設任務選擇，就可完成上百種典型場景的精準問答。
當然，「Chat」只是RobotGPT其中一項能力，只靠閑聊、寫詩、作畫無法重構人類社會。RobotGPT最重要的是為機器人帶來了更加先進的多模態(tài)感知和自主認知能力、複雜邏輯推理和智能決策能力以及多模態(tài)行為表達能力，通過強化學習、視覺語言導航、視覺語言操作、運動控制等前沿技術，大模型能夠高效處理和分析海量數(shù)據(jù)，讓機器人更加深入地理解周圍環(huán)境，自主的去靈活應對各種任務和挑戰(zhàn)。
舉個例子，當你對一個集成了RobotGPT的機器人說「我口渴了」， 這個指令並沒有明確包含具體的對象「水」，而是隱含了「去接一杯水」的需求，機器人會通過常識推理、場景感知、用戶畫像信息決策去哪裡取水，用何種工具接水，取水后如何返回，以及如何將水遞給你。然後，利用視覺語言導航、位姿估計、抓取檢測、運動控制等技術去完成倒水任務，這一系列過程是完全自主決策的，不需要人為的干預。隨著大模型規(guī)模增大到一定程度，機器人將能夠像人一樣使用經(jīng)驗來穿越複雜環(huán)境。
RobotGPT重心在於解決行業(yè)側需求 推動產業(yè)升級和變革
一個業(yè)界共識是，大模型紮根行業(yè)，與行業(yè)深度結合，才能做的深，走得遠。
相較通用大模型，更有針對性、更專業(yè)化的行業(yè)大模型在金融、醫(yī)療、政務、教育等多個行業(yè)擁有廣泛的應用和商業(yè)創(chuàng)新潛力。RobotGPT是機器人大模型，它構建在基礎大模型的能力之上，具備一定的通用能力，同時能覆蓋多任務使用場景，能更好地理解和處理行業(yè)特定的問題和任務。無論是在能源電力、醫(yī)療健康、金融保險、交通樞紐、教育諮詢、高端製造還是其他領域，RobotGPT都能發(fā)揮其強大的能力?；抖嗄暝陔?yún)端機器人領域的深耕和積累，達闥已聯(lián)合行業(yè)頭部企業(yè)，對超過10個的典型行業(yè)的100多個業(yè)務場景進行了大模型的支持和應用，並且在多個領域沉澱了完整的項目解決方案。
這是經(jīng)過定製化訓練后，RobotGPT對於垂直領域的實際對話效果展示，比如做一個專業(yè)的政務服務問答，在醫(yī)院協(xié)助患者問診等，可以看出，RobotGPT能針對特定場景、解決特定問題，讓機器人迅速做出適配指令的合適行動。
目前市場上的大模型大多依賴公開數(shù)據(jù)集或網(wǎng)絡數(shù)據(jù)進行訓練，這導致其產生的結果在專業(yè)性和精確性上有所不足。在商業(yè)領域，大模型達到95%的精度是必要的門檻。在回答精度方面，RobotGPT也沒輸過，它能精準理解業(yè)務場景，回答準確率超過95%，遠高於行業(yè)平均水平。
說到訓練，RobotGPT是怎麼訓練的呢？
RobotGPT最佳訓練平臺：海睿OS
在AI領域，大模型是具有龐大的參數(shù)規(guī)模和複雜程度的機器學習模型，通常需要大量的數(shù)據(jù)進行訓練，以便學習到足夠複雜的模式。訓練一個AI模型，技術複雜度並不比訓練一個國家隊運動員低，海睿OS操作系統(tǒng)為RobotGPT提供了理想的訓練平臺。在這裏，我們構建了一個超級真實、虛實同步的"海元世界"，這就是"機器人元宇宙"，通過數(shù)字孿生訓練和強化學習等技術，可以讓機器人在視覺、語音、情緒、動作等方面進行無數(shù)次的"鍛煉"，不斷進化。
前面我們提到，僅靠公開數(shù)據(jù)集或網(wǎng)絡數(shù)據(jù)來訓練大模型是不夠的，海睿OS不僅支持吸收大量來自真實環(huán)境下的機器人行為數(shù)據(jù)，還支持合成海量高質量的合成數(shù)據(jù)，這是多模態(tài)機器人大模型訓練的基礎，通過自動創(chuàng)建、生成現(xiàn)實世界中難以或者無法採集的數(shù)據(jù)場景，可以模擬各種可能的情況、提供更多的訓練樣本，從而提高模型的精確性、可靠性、安全性。
此外，海睿OS還提供了一個基於數(shù)字孿生的可視化機器人應用開發(fā)套件（HARIX RDK），開發(fā)者可以建立仿真環(huán)境，模擬現(xiàn)實世界的目標場景，進行機器人多模態(tài)技能訓練。同時，RobotGPT還有基於大模型的示範學習技術，通過視覺、語音、思維鏈和原子技能組合示教，開發(fā)者可以像教孩子學習一樣，教授機器人各種技能。
RobotGPT兩種形態(tài)：服務平臺和一體機隨心選
RobotGPT的產品形態(tài)有服務平臺和一體機兩種可選，服務平臺提供RobotGPT多模態(tài)大模型的在線服務，一體機則為軟硬一體機，是為解決企業(yè)在業(yè)務中面向特定行業(yè)的生成式大模型推理、訓練或混合推訓及應用私有化部署等剛性需求而設計的行業(yè)多模態(tài)大模型尖端產品。
AI奇點在即，人機交互方式發(fā)生了根本性變化，大模型將成為每位工作者無處不在的得力助手。
AI不會直接取代人類，而是[會使用AI的人]替代[不會使用AI的人]，何不先於他人擁有機器人領域大模型「RobotGPT」？你更可以基於RobotGPT多模態(tài)大模型，利用私域數(shù)據(jù)進行訓練調優(yōu)，打造屬於自己的行業(yè)大模型。
RobotGPT賦能千行百業(yè)、引領具身智能，達闥希望通過RobotGPT幫助更多產業(yè)夥伴，來完成數(shù)字化轉型和降本增效，為產業(yè)和社會創(chuàng)造更大價值！
掃描微信公眾號
