GPT-3 Davinci 模型是一種深度學習模型，屬于 GPT 模型系列的一部分，可以理解和生成自然語言。該模型具有強大的總結(jié)能力，可以從大量的文本數(shù)據(jù)中學習復雜的對象屬性和關(guān)系。研究人員利用這種能力，讓機器人根據(jù)用戶提供的幾個示例對象放置位置，如“黃色襯衫放在抽屜里，深紫色襯衫放在衣柜里，白色襪子放在抽屜里”，然后讓模型總結(jié)出用戶的一般偏好規(guī)則，并應用到未來的交互中。

研究人員在論文中寫道：“我們的基本見解是，LLM（大型語言模型）的總結(jié)能力與個性化機器人的泛化需求非常匹配。LLM 展示了通過總結(jié)實現(xiàn)泛化的驚人能力，利用從海量文本數(shù)據(jù)集中學習到的復雜對象屬性和關(guān)系。”

他們還寫道：“與需要昂貴的數(shù)據(jù)收集和模型訓練的傳統(tǒng)方法不同，我們展示了 LLM 可以直接開箱即用地實現(xiàn)機器人領(lǐng)域的泛化，利用它們從海量文本數(shù)據(jù)中學習到的強大的總結(jié)能力。”

研究人員在論文網(wǎng)站上展示了一個機器人，它能夠?qū)⑾匆路�分為淺色和深色，回收飲料罐，扔掉垃圾，收拾包和餐具，將散落的物品放回原處，并將玩具放入抽屜。

研究人員首先測試了一個基于文本的基準數(shù)據(jù)集，其中輸入了用戶偏好，并要求模型創(chuàng)建個性化規(guī)則來確定物品歸屬。模型將示例總結(jié)為一般規(guī)則，并使用總結(jié)來確定新物品的放置位置。基準場景定義在四個房間中，每個房間有 24 個場景。每個場景包含兩到五個放置物品的地方，并且有相同數(shù)量的已見和未見物品供模型分類。他們寫道，這個測試在未見物品上達到了 91.2% 的準確率。

當他們將這種方法應用到真實世界的機器人 TidyBot 時，他們發(fā)現(xiàn)它能夠成功地收拾 85% 的物體。TidyBot 在八個真實場景中進行了測試，每個場景有一組十個物品，并在每個場景中運行機器人 3 次。據(jù)IT之家了解，除了 LLM，TidyBot 還使用了一個叫做 CLIP 的圖像分類器和一個叫做 OWL-ViT 的物體檢測器。

佐治亞理工學院交互計算學院的助理教授徐丹飛（Danfei Xu）在談到谷歌的 PaLM-E 模型時表示，LLM 使機器人具有更多的問題解決能力。“以前的任務(wù)規(guī)劃系統(tǒng)大多依賴于一些形式的搜索或優(yōu)化算法，這些算法不太靈活，也很難構(gòu)建。LLM 和多模態(tài) LLM 使這些系統(tǒng)能夠從互聯(lián)網(wǎng)規(guī)模的數(shù)據(jù)中受益，并輕松地用于解決新問題。”他說。