PaLM-E 具身大模型亮相:5620 億引數,把視覺直接注入機器人大腦
研究團隊提出具身多模態語言模型 PaLM-E。它將影像等連續感測器資料直接編碼進大語言模型的嵌入空間,最大模型引數達 562B。這意味著大模型不僅能看懂現實世界,還能指揮機器人規劃並執行多步驟長任務,遇到從未見過的新物體也能自主泛化完成操作。
研究團隊提出具身多模態語言模型 PaLM-E。它將影像等連續感測器資料直接編碼進大語言模型的嵌入空間,最大模型引數達 562B。這意味著大模型不僅能看懂現實世界,還能指揮機器人規劃並執行多步驟長任務,遇到從未見過的新物體也能自主泛化完成操作。
12 月,AI 智慧體駕駛洛克希德·馬丁的 VISTA X-62A 戰術訓練機持續飛行超過 17 小時。這是 AI 首次操控戰術飛機,系統通過模擬演算法模擬人類飛行員。該測試旨在將 AI 技術與新型無人機設計並行驗證,加速實戰能力落地。
Zoom 推出對話式 AI 聊天機器人 Zoom Virtual Agent。它支援網頁與移動端,無需大量程式設計即可抓取企業知識庫和 FAQ 提供個性化回覆,並無縫整合各類 CRM 與客服系統。內建分析還能提示知識盲區,幫助企業降低客服成本。
Google Cloud 面向零售商推出 4 款 AI 工具,核心是基於 Vertex AI 的貨架巡檢功能。它能利用店內攝像頭或巡檢機器人即時識別商品與標籤,發現缺貨即刻預警,省去人工巡檢;同時還上線了能自主學習並最佳化網店商品展示順序的 Browse AI。
Forbes 刊文探討 AI 對宏觀經濟的長期衝擊。傳統 GDP 規模受制於人類勞動力數量,但如果把 24 小時無休的 AI 納入勞動力供給,經濟增長上限可能被徹底改寫。不過,最終收益仍取決於實際應用深度和各國經濟環境。
前 Meta 開發者推出短影片生成工具 QuickVid。使用者只需輸入一個提示詞,它就能呼叫 GPT-3 寫指令碼、DALL-E 2 生圖、Google TTS 配音並拼接背景素材。最值得關注的是,它把零散 AI 串成了短影片流水線,但也引發了垃圾內容氾濫的擔憂。
Rossum 聯合創始人 Petr Baudis 指出,企業落地 AI 遇阻的核心原因往往不是模型能力,而是糟糕的 UI 介面。許多企業容易被炫酷外觀吸引,但繁瑣的互動導致員工棄用。例如 Morton Salt 引入精簡介面後單據處理耗時縮短了 95%。說白了,AI 再強,互動做不好依然沒人用。
Eidos-Sherbrooke 研究人員在 Unreal Fest 2022 展示了一項實驗:用機器學習模型替代傳統複雜的行為樹,結合虛幻引擎 EQS 動態調節追逐戰難度。研究重點不是造出碾壓玩家的超強 AI,而是讓策劃能更輕鬆調出兼具挑戰與樂趣的敵人。
Medium 刊文解析 OpenAI 的 ChatGPT。它基於上下文生成自然回覆,擺脫了傳統客服機器人的預設指令碼限制。除了日常對話,它還能聯動第三方系統完成訂酒店等具體操作,在電商與金融等領域展現出應用前景。
Meta 推出具身智慧模擬器 Habitat 3.0 和室內 3D 資料集 HSSD-200。新平臺首次支援機器人與人類虛擬化身在同一模擬環境裡協同互動,能訓練 AI 在狹窄走廊讓人或分工收拾屋子。最關鍵的是它支援真人通過手柄或 VR 接入測試,大幅省去了物理實機測試的成本與安全風險。
AI Infrastructure Alliance(AIIA)釋出了一份面向開發者的 AI 技術棧指南。指南系統拆解了大模型微調、提示工程、向量資料庫,以及 LangChain 和 LlamaIndex 等主流框架。對於想要從大模型切入上層智慧體應用開發的開發者,這是一份全方位的梳理。
英國阿斯頓大學研究團隊開發了一套基於深度強化學習的交通調控系統。它不僅結合視覺和雷達感測器識別車流與行人,還能在模擬環境中自主試錯,即時最佳化十字路口訊號燈配時,即使面對從未見過的複雜路況也能靈活調控,從而減少紅燈等待時間。
Text-CAD 將自然語言建模與硬體製造全流程打通。它打包了 11 個工程技能,支援從文本生成 STEP、檢索 step.parts 超 1.6 萬個開源標準件,並直連本地拓竹印表機切片。最值得關注的是它讓模型寫 Python 程式碼而非直接輸出二進位制,把不可控生成變成了可核驗工序。