另一种,是英伟达及大量工业机器人厂商为代表的“务实派”,以松耦合来实现具身智能,不同任务通过不同模型来实现,分别让机器人学习概念并指挥行动,把所有的指令分解执行,通过大模型来完成自动化调度和协作,比如语言大模型来学习对话、视觉大模型来识别地图、多模态大模型来完成肢体驱动。
# 模型输入另一个重要的区别是,GPT4是一个多模态(multimodal)模型,即它可以接受图像和文本作为输入,并输出文本;而GPT3.5只能接受文本作为输入,并输出文本。这使得GPT4可以处理更复杂且具有视觉信息的任务,如图像描述、图像问答、图像到文本等。 # 模型训练最后一个区别是,由于数据量和计算资源的限制,目前没有公开发...