首個精通3D任務(wù)的具身通才智能體：感知、推理、規(guī)劃、行動統(tǒng)統(tǒng)拿下

AIGC動態(tài)歡迎閱讀

原標(biāo)題：首個精通3D任務(wù)的具身通才智能體：感知、推理、規(guī)劃、行動統(tǒng)統(tǒng)拿下

關(guān)鍵字：數(shù)據(jù),任務(wù),模型,視覺,場景

文章來源：機(jī)器之心

內(nèi)容字?jǐn)?shù)：9434字

內(nèi)容摘要：機(jī)器之心專欄機(jī)器之心編輯部想要邁向通用人工智能，必須要構(gòu)建一個能夠理解人類生活的真實(shí)世界，并掌握豐富技能的具身通用智能體。今年以來，以 GPT-4 (V)[1]、LLaVA [2]、PALM-E [3] 等為代表的多模態(tài)大語言模型（Multi-modal Large Language Model）在自然語言處理、視覺理解、機(jī)器人等任務(wù)上取得了顯著的成功，但這類模型都是基于二維圖片文本數(shù)據(jù)訓(xùn)練得到，在理解三維世界和與三維世界交互方面能力欠缺。為解決這一問題，北京通用人工智能研究院聯(lián)合北京大學(xué)、梅隆大學(xué)和清華大學(xué)的研究人員提出了首個三維世界中的具身多任務(wù)多模態(tài)的通才智能體 LEO。論文鏈接：https://arxiv.org/abs/2311.12871項(xiàng)目主頁：https://embodied-generalist.github.io/代碼鏈接：https://github.com/e…

原文鏈接：點(diǎn)此閱讀原文：首個精通3D任務(wù)的具身通才智能體：感知、推理、規(guī)劃、行動統(tǒng)統(tǒng)拿下

聯(lián)系作者

文章來源：機(jī)器之心

作者微信：almosthuman2014

作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺