ChatGPT已能操控機(jī)器人，工程師連代碼都不用寫，網(wǎng)友：微軟在搞天網(wǎng)？

魚羊 2023-03-26 14:08:57 來源：量子位

Alex 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

當(dāng)我還在跟ChatGPT吹牛尬聊時(shí)，有人已經(jīng)在拿它操控機(jī)器人了。

不是別人，正是OpenAI的金主爸爸、不久前剛拿ChatGPT“重新發(fā)明搜索引擎”的微軟。

到目前為止，開發(fā)者調(diào)教機(jī)器人不僅技術(shù)門檻高，還道阻且長：

工程師需要在工作流程回路中，不斷手寫新代碼和規(guī)范來糾正機(jī)器人行為；另外，操控不同的機(jī)器人可能需要不同的編程語言和環(huán)境。

而在ChatGPT的幫助下，工程師甚至不用手寫代碼——直接用人話描述想做什么，AI就能自動(dòng)翻譯成機(jī)器語言。

這意味著，一方面專業(yè)人士與機(jī)器人的交互效率起飛；另一方面，技術(shù)門檻也降低一大截，外行人甚至也能參與調(diào)試，創(chuàng)造出更多使用方法。

舉個(gè)簡單的例子：讓無人機(jī)自動(dòng)檢查貨架。

首先，操作者只需用自然語言給ChatGPT提出要求；然后，AI就能自動(dòng)翻譯成代碼，并指揮無人機(jī)行動(dòng)。（還可以規(guī)定無人機(jī)的飛行路徑。）

難怪特斯拉前AI主管Andrej Karpathy會(huì)調(diào)侃：

最新的熱門編程語言是英語。

一個(gè)AI指揮多種機(jī)器人

實(shí)際上，ChatGPT會(huì)玩兒的花樣可多了。

比如，一位操作者跟AI說：“我渴了，請(qǐng)幫我找個(gè)喝的?！?/p>

此時(shí)AI并不會(huì)直愣愣地就去找水了，而是會(huì)很機(jī)靈地反問：

請(qǐng)問你想喝哪種？這里有好幾種飲料，比如椰子水、可樂等等。

當(dāng)然操作者也不是吃素的，他并未直接告訴AI選哪個(gè)，而是說：“我剛從健身房回來，請(qǐng)幫我找個(gè)健康點(diǎn)兒的飲料?！?/p>

然后更神奇的操作就開始了：

AI先是猜測他想喝椰子水，然后自己噼里啪啦寫出一段代碼（甚至還有注釋）：

寫完就自己指揮無人機(jī)去找椰子水：

除了無人機(jī)，ChatGPT還能輕松操控別的小機(jī)器人，包括攝像頭、機(jī)械臂等等。

比如讓攝像頭在房間里找出能加熱午飯的東西。

還有指揮機(jī)械臂拼出一個(gè)微軟的Logo。（悄悄夾帶私貨）

看到這些，有網(wǎng)友腦洞大開，有人發(fā)問：

他們是不是正在建立無所不能的天網(wǎng)？

還有人甚至調(diào)侃稱，AI可能連發(fā)射核彈的指令都會(huì)寫：

不過話說回來，其實(shí)離網(wǎng)友說的這些還差得遠(yuǎn)，畢竟現(xiàn)在還是需要人類參與的。

怎么實(shí)現(xiàn)的？

從前文可以看出，這只靈活的AI不僅與人交流暢通無阻，而且和機(jī)器也能快速溝通。

這主要得益于微軟團(tuán)隊(duì)專門開發(fā)的一系列API和高級(jí)函數(shù)庫。

他們沒有讓ChatGPT背后的語言大模型（LLM），生成某固定種類的代碼；因?yàn)闄C(jī)器人是個(gè)多元化領(lǐng)域，這樣可能會(huì)在不同場景下涉及大量微調(diào)。

而在新穎的操作框架下，不同機(jī)器人，都有自己對(duì)應(yīng)的特定函數(shù)庫。

——一個(gè)AI，就能適應(yīng)不同的對(duì)象、不同的任務(wù)。

一方面，這些函數(shù)庫，能夠連接到機(jī)器人控制系統(tǒng)中管理底層硬件，以及執(zhí)行基本運(yùn)動(dòng)的代碼和功能模塊。

另一方面，為了讓ChatGPT也能遵循函數(shù)庫的規(guī)則，預(yù)定義函數(shù)命名就很關(guān)鍵。清晰的函數(shù)名，能讓各API之間建立良好的功能連接，最終生成高質(zhì)量的回答。

其中一項(xiàng)要求，就是所有API名稱必須描述整體功能行為。例如，detect_object(object_name) 函數(shù)可以在內(nèi)部鏈接到OpenCV函數(shù)或計(jì)算機(jī)視覺模型。

設(shè)計(jì)好庫和API后，微軟給ChatGPT編寫了一個(gè)文本提示（prompt），描述目標(biāo)任務(wù)，并明確說明函數(shù)庫中哪些函數(shù)可用；另外，這還能規(guī)定ChatGPT生成代碼用哪種編程語言。

值得一提的是，AI生成內(nèi)容效果，和人為提示的質(zhì)量呈正相關(guān)。為此，微軟還開發(fā)了一個(gè)協(xié)作開源平臺(tái)PromptCraft，任何人都能在此分享不同類機(jī)器人的Prompt策略。

到此，幕后部署基本完成，然后用戶就能通過“說人話”間接操控機(jī)器人了。

如果想要檢查AI生成的代碼是否有Bug，隨時(shí)都能在聊天框直接檢查，或通過模擬器測試，人類可以用自然語言指導(dǎo)AI進(jìn)行修正。

另外，還能到等到用戶對(duì)解決方案滿意為止，再在將ChatGPT生成代碼部署到機(jī)器人上。

最后，如果是你，會(huì)想用ChatGPT操控機(jī)器人做些什么呢？

論文地址：
https://www.microsoft.com/en-us/research/uploads/prod/2023/02/ChatGPT___Robotics.pdf
參考鏈接：
[1]https://arstechnica.com/information-technology/2023/02/robots-let-chatgpt-touch-the-real-world-thanks-to-microsoft/
[2]https://www.microsoft.com/en-us/research/group/autonomous-systems-group-robotics/articles/chatgpt-for-robotics/
[3]https://github.com/microsoft/PromptCraft-Robotics#promptcraft-robotics

— 完 —