目前国内的机器人其实都是内置的动作指令,然后通过gpt大模型进行交互调用,没没法做到低延迟实时与大模型交互,比如折衣服,都是事先训练好的一套动作指令,当接收到折衣服指令的时候,机器人开始按照预定的轨迹来操作手臂,这套指令中包含视觉识别与定位,走路也是经过传感器获取数据经过内置的动作算法保持稳定,也就是虽然内置了大模型,但是大模型只是负责规划指令的操作顺序,无法接入动作指令的执行过程,如果像人类一样实时操作,那么还需要很长的时间要走。
降低大模型的延迟是后面ai急需解决的一个问题。
现在的人形机器人其实也只是拥有一个人类的外壳而已,如果像人类一样动作娴熟还有很长的时间要走。
网友回复
为啥所有的照片分辨率提升工具都会修改照片上的图案细节?
js如何在浏览器中将webm视频的声音分离为单独音频?
微信小程序如何播放第三方域名url的mp4视频?
ai多模态大模型能实时识别视频中的手语为文字吗?
如何远程调试别人的chrome浏览器获取调试信息?
为啥js打开新网页window.open设置窗口宽高无效?
浏览器中js的navigator.mediaDevices.getDisplayMedia屏幕录像无法录制SpeechSynthesisUtterance产生的说话声音?
js中mediaRecorder如何录制window.speechSynthesis声音音频并下载?
python如何直接获取抖音短视频的音频文件url?
js在浏览器中如何使用MediaStream与MediaRecorder实现声音音频多轨道混流?