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。