? ? ? ?LM-Nav是Google和UC Berkeley等大學(xué)發(fā)布的一種機器人導(dǎo)航系統(tǒng)。在LM-Nav中，使用自然語言對機器人進行控制可以大大簡化人機交互的過程，增加機器人的使用便利性。舉例來說，如果用戶需要讓機器人到達房間的某個位置，他可以用自然語言命令告訴機器人“去這個房間的XX位置”，機器人就會根據(jù)用戶的指令進行導(dǎo)航。此外，在實際情況下，由于自然語言的歧義性，LM-Nav系統(tǒng)還可以對指令進行消歧，確保機器人能夠正確地理解和執(zhí)行指令。

? ? ? ?LM-Nav利用了ChatGPT相關(guān)技術(shù)實現(xiàn)自然語言控制機器人視覺目標導(dǎo)航。具體而言，LM-Nav系統(tǒng)通過先前訓(xùn)練的自然語言處理、視覺處理和行動規(guī)劃模型來實現(xiàn)此目標。在機器人領(lǐng)域，ChatGPT相關(guān)技術(shù)的應(yīng)用和發(fā)展也是非常廣泛的。例如，可以使用ChatGPT實現(xiàn)機器人對話系統(tǒng)。

? ? ? ?這種機器人導(dǎo)航系統(tǒng)的突破性創(chuàng)新在于它不需要使用標記指令數(shù)據(jù)集，而是利用大型預(yù)訓(xùn)練模型來完成自然語言理解任務(wù)。通過這種方法，系統(tǒng)可以避免針對每種任務(wù)都要進行數(shù)據(jù)注釋的高昂成本。此外，這種系統(tǒng)也可以通過訓(xùn)練大規(guī)模未注釋軌跡數(shù)據(jù)集，從而實現(xiàn)更好的泛化能力。

? ? ? ?LM-Nav系統(tǒng)中的三個大型預(yù)訓(xùn)練模型分別用于自然語言理解、將圖像與語言相關(guān)聯(lián)以及視覺導(dǎo)航。大型語言模型（GPT3）被用于完成自然語言理解的任務(wù)，它經(jīng)過了大型網(wǎng)絡(luò)文本語料庫上的訓(xùn)練。將圖像與語言相關(guān)聯(lián)的模型（CLIP）則可以根據(jù)圖像和相應(yīng)的自然語言指令，為機器人提供目標位置的估計。視覺導(dǎo)航模型（ViNG）則被用于規(guī)劃機器人的行動路徑。

? ? ? ?此類機器人導(dǎo)航系統(tǒng)具有廣泛的應(yīng)用前景。通過利用大型預(yù)訓(xùn)練模型，它可以避免需要對每種任務(wù)都進行數(shù)據(jù)注釋的高昂成本。同時，通過訓(xùn)練大規(guī)模未注釋軌跡數(shù)據(jù)集，它可以實現(xiàn)更好的泛化能力。因此，這種系統(tǒng)在通用人工智能方面具有重要的發(fā)展?jié)摿Α?/p>

參考：

[1] Shah D, Osiński B, Levine S. Lm-nav: Robotic navigation with large pre-trained models of language, vision, and action[C]//Conference on Robot Learning. PMLR, 2023: 492-504.

[2]?https://sites.google.com/view/lmnav