PaLM-E 具身大模型亮相：5620 亿参数，把视觉直接注入机器人大脑
研究团队提出具身多模态语言模型 PaLM-E。它将图像等连续传感器数据直接编码进大语言模型的嵌入空间，最大模型参数达 562B。这意味着大模型不仅能看懂现实世界，还能指挥机器人规划并执行多步骤长任务，遇到从未见过的新物体也能自主泛化完成操作。
研究团队提出具身多模态语言模型 PaLM-E。它将图像等连续传感器数据直接编码进大语言模型的嵌入空间，最大模型参数达 562B。这意味着大模型不仅能看懂现实世界，还能指挥机器人规划并执行多步骤长任务，遇到从未见过的新物体也能自主泛化完成操作。