激情六月丁香婷婷|亚洲色图AV二区|丝袜AV日韩AV|久草视频在线分类|伊人九九精品视频|国产精品一级电影|久草视频在线99|在线看的av网址|伊人99精品无码|午夜无码视频在线

高校合作1：010-59833514 ?咨詢電話：400-810-1418 服務(wù)與監(jiān)督電話：400-810-1418轉(zhuǎn)接2

北大機器人當(dāng)上亞運志愿者，全靠學(xué)生把多模態(tài)大模型結(jié)合具身智能

發(fā)布時間：2023-11-28 14:54:20 瀏覽量：123次

論機器人想在杭州當(dāng)志愿者有多拼

北大 把投稿扔向 凹非寺

|  

亞運會導(dǎo)游，原來背后離不開北大學(xué)生團隊！

且看這個智能導(dǎo)游，它可不是一般人：

外觀看上去像一輛小車，四個輪子在地面上快速靈活移動。

北大機器人當(dāng)上亞運志愿者，全靠學(xué)生把多模態(tài)大模型結(jié)合具身智能

上面安裝了機械臂，配有攝像頭及語音等交互設(shè)施，使其能夠?qū)χ車h(huán)境和需要執(zhí)行的任務(wù)進行識別與理解。

北大機器人當(dāng)上亞運志愿者，全靠學(xué)生把多模態(tài)大模型結(jié)合具身智能

據(jù)悉，這名導(dǎo)游機器人系統(tǒng)由北大計算機學(xué)院HMI團隊研發(fā)，它結(jié)合了多模態(tài)大模型和具身智能。

在亞運會期間，它為視障人士提供引領(lǐng)和導(dǎo)航等幫助，并可解析視障人士的需求并完成相應(yīng)任務(wù)，如幫助他們撿拾掉落的物品等。

具身智能，搭載多模態(tài)大模型那種

那么，這位具身智能導(dǎo)游是怎么煉成的？

在研究員仉尚航的指導(dǎo)和支持下，北大學(xué)生們形成了一種創(chuàng)新路徑，即設(shè)計感知生成一體化的多模態(tài)大模型，以實現(xiàn)對各種視覺場景的精準(zhǔn)感知與理解，并生成準(zhǔn)確豐富的語言描述。

之所以這樣設(shè)計，是因為這個導(dǎo)游最初就設(shè)計定位為服務(wù)殘障人士、老年人、少數(shù)民族等——當(dāng)前的技術(shù)落點，還沒有完全解決他們的需求。

“少數(shù)民族的觀眾可能面臨語言障礙，而殘疾人士可能需要更多的輔助工具或特別的服務(wù)，以便更好地享受比賽。”團隊成員、北大學(xué)生莊棨寧表示，多模態(tài)大模型是課題組的重點研究方向，于是一個把多模態(tài)大模型和具身智能結(jié)合起來，研發(fā)一個專門服務(wù)殘障人士觀賽的AI系統(tǒng)的想法，誕生了。

于是，多模態(tài)愛心助手亮相亞運會。

北大機器人當(dāng)上亞運志愿者，全靠學(xué)生把多模態(tài)大模型結(jié)合具身智能

多模態(tài)愛心助手所搭載的系統(tǒng)，基于團隊自研的感知生成一體化通用多模態(tài)大模型。

該系統(tǒng)集成了大模型的泛化感知能力和涌現(xiàn)能力。

同時，在愛心助手身上，多模態(tài)大模型和具身智能結(jié)合了起來，為機器人賦予更加智能的大腦，使其可以將人類復(fù)雜需求轉(zhuǎn)化為具體行動指令。

它能做的事情，體現(xiàn)出一體化處理能力，包括：

  • 場景感知，能夠識別圖像中的特定目標(biāo)或特征；
  • 場景解析，能夠為圖像生成描述性文本；
  • 行為決策與規(guī)劃，具備基于圖像和文本信息進行決策和規(guī)劃的能力。

考慮到機器人會面對不同場景，需要具備快速適應(yīng)新場景的泛化能力，團隊設(shè)計了基于端云協(xié)作的大小模型協(xié)同高效微調(diào)，提升模型的泛化性，使其可以持續(xù)適應(yīng)不同的場景。

舉個例子。

如果有運動員用戶說“我渴了”，機器人聽到這句話后，完成轉(zhuǎn)身拿水——遞到用戶手中，過程看似簡單，實際上涉及了一系列子任務(wù)：

  • 首先捕捉“我渴了”這句語音信號，然后通過語音識別技術(shù)，轉(zhuǎn)換為文字；
  • 理解“我渴了”這句話的含義，即用戶現(xiàn)在需要水；
  • 通過良好的感知能力，利用CV技術(shù)，識別、定位瓶裝水；
  • 規(guī)劃來到瓶裝水面前的路線，涉及路徑規(guī)劃算法；
  • 控制自身動作，根據(jù)路徑規(guī)劃，來到水面前；
  • 準(zhǔn)確抓住瓶裝水，涉及視覺檢測、機器人控制系統(tǒng)和抓取的相關(guān)技術(shù)；
  • 規(guī)劃返回路徑，并控制自身動作，將水送到說話者的手中。
北大機器人當(dāng)上亞運志愿者，全靠學(xué)生把多模態(tài)大模型結(jié)合具身智能

上述的每一個子任務(wù)，都需要大量的研究和工程實踐。

不僅如此，機器人還需要能夠處理在訓(xùn)練數(shù)據(jù)中未曾出現(xiàn)過的新情況，也就是說，模型需要具有強大的泛化能力，能夠在新的、未知的環(huán)境中有效地工作。

為了提升機器人在開放環(huán)境下的持續(xù)性泛化能力，團隊構(gòu)建了一個端云協(xié)作的持續(xù)學(xué)習(xí)系統(tǒng)。

這一系統(tǒng)的設(shè)計旨在兼顧終端計算的個性化、隱私保護和低通信成本等優(yōu)勢，同時也充分利用云端計算的大規(guī)模計算資源、大量標(biāo)注數(shù)據(jù)以及卓越的泛化能力。

還研發(fā)亞運會賽事解說AI系統(tǒng)

據(jù)悉，杭州亞運會的多模態(tài)多語種視頻解說系統(tǒng)，也出自這個團隊之手。

基于多模態(tài)大模型，團隊通過自研的X-Accessory一體化大模型工具鏈，設(shè)計了多模態(tài)多語種視頻解說系統(tǒng)，在亞運會期間用于乒乓球、跆拳道、跳水、體操等賽事。

這個解說系統(tǒng)的特點在于，不僅能夠理解和分析正在進行的比賽，生成實時的解說內(nèi)容，還可以根據(jù)觀眾的喜好提供個性化的解說服務(wù)，包括將解說內(nèi)容翻譯成多種語言，包括維吾爾語、阿拉伯語等。

北大機器人當(dāng)上亞運志愿者，全靠學(xué)生把多模態(tài)大模型結(jié)合具身智能

除了應(yīng)用在本次亞運會，團隊在大模型方面還有許多其他成果。

“多模態(tài)大模型是我們組研究的核心，目前也取得了一定的成果?！北本┐髮W(xué)計算機學(xué)院博士后王冠群介紹，“除了這次自研的感知生成一體化通用多模態(tài)大模型、大小模型協(xié)同訓(xùn)練與部署，我們還關(guān)注多模態(tài)生成式大模型Agent設(shè)計、大模型記憶機制設(shè)計、面向多場景的智能醫(yī)療多模態(tài)大模型集群、通用大模型適配器等。”

就拿團隊進行的多模態(tài)生成式大模型Agent設(shè)計來說。

單模態(tài)模型無法有效地結(jié)合視覺、聽覺和文本等多種模態(tài)信息，這種局限性在復(fù)雜的實際場景，如虛擬助手、機器人交互和智慧城市中，可能導(dǎo)致效果并不理想。

因此，團隊開發(fā)了一種多模態(tài)生成式大模型Agent，將各種模態(tài)的優(yōu)點結(jié)合起來，例如視覺的細節(jié)捕捉能力、聽覺的時序特性和文本的結(jié)構(gòu)化知識。

這樣的綜合性設(shè)計，將有助于推動生成式模型向更加實用和高效的方向發(fā)展，滿足未來多種復(fù)雜應(yīng)用場景的需求。

在更復(fù)雜的應(yīng)用場景，團隊還研究過面向多場景的智能醫(yī)療多模態(tài)大模型集群。

他們設(shè)計和實現(xiàn)了一組智能醫(yī)療多模態(tài)大模型集群，包括面向患者的個性化醫(yī)療知識問答多模態(tài)時序大模型、面向醫(yī)生的臨床影像報告生成多模態(tài)大模型和面向?qū)г\場景的檢索增強大語言模型。

這樣一來，能使大模型技術(shù)適配臨床場景，滿足患者-醫(yī)生-醫(yī)院多方訴求，解決行業(yè)痛點，推動大模型在醫(yī)療領(lǐng)域的落地應(yīng)用。

北大機器人當(dāng)上亞運志愿者，全靠學(xué)生把多模態(tài)大模型結(jié)合具身智能

△杭州亞運會期間科研團隊合影（第一排左起：張雨澤、莊棨寧、謝愛麗、仉尚航、張融宇、羅峪霖、王振宇；第二排左起：侯沂、戴鴻銘、王昊、李忱軒、張啟哲、劉家銘、王冠群）

熱門課程推薦

熱門資訊

請綁定手機號

獲取驗證碼
x

同學(xué)您好！

您已成功報名0元試學(xué)活動，老師會在第一時間與您取得聯(lián)系，請保持電話暢通！
確定