儘管有很多工作要做，但特德拉克說，所有證據表明LLMS中使用的方法也可以與機器人一起使用。他說：“我認為這改變了一切。”
本質上，機器人進度的衡量已經變得更具挑戰性 下載冰箱 或者 取垃圾輸出 輕鬆。 YouTube剪輯可以具有欺騙性，但是，人類機器人傾向於在非常受控的條件下遠程熟悉，預編程或訓練以執行一項任務。
新的地圖集作品是一個很好的跡象表明，機器人已經開始在機器人中嘗試這種等效的進度，最終導致了通用的語言模型，這些模型使我們在人工智能領域為我們提供了研究。最後，這種進步可以為我們提供能夠在各種混亂的環境中工作的機器人，並能夠快速學習新技能 – 從焊接管到濃縮咖啡 – 具有廣泛的增強。
加利福尼亞大學伯克利分校的自動科學家肯·戈德堡（Ken Goldberg）說：“這絕對是向前邁出的一步。 “腿和武器的協調很棒。 ”
但是，戈德堡說，應仔細處理新興機器人行為的想法。正如大型語言模型的驚人功能有時可以遵循其培訓數據中列出的示例一樣，機器人可能會顯示出比已經更新穎的技能。他補充說，了解機器人成功的次數以及在實驗中失敗的方式很有用。 TRI以前在LBM上的工作透明，並發布了有關新模型的更多數據。
擴展用於訓練機器人模型的數據范圍是否會比以往任何時候都開放新興行為，這仍然是一個懸而未決的問題。在 討論 5月，我在亞特蘭大，戈德堡（Goldberg）等國際機器人和自動化會議上舉行，工程方法也將發揮重要作用。
例如，泰德里克（Tedrik）堅信機器人即將在人類和其他機器人的現實世界中提供更多用途的機器人的轉折點。他說：“我認為我們需要將這些機器人趕出世界並開始做真正的工作。”
您如何看待新的Atlas技能？您是否認為我們要去與機器人類似的黑客？ 請允許我知道您在ayab@wired.com上的想法。
這是一個版本 威爾·票價 AI的通訊。閱讀以前的新聞通訊 這裡。
