能根據你的喜好定制的家務(wù)機器人，來(lái)了！

想把深色衣服和淺色衣服分開(kāi)洗？沒(méi)問(wèn)題，機器人分分鐘就能幫你分好類(lèi)：

【資料圖】

被垃圾分類(lèi)的問(wèn)題搞得焦頭爛額？沒(méi)關(guān)系，也交給機器人來(lái)做：

總之，分類(lèi)識別、定向放置……一切都憑你的習慣。

更關(guān)鍵的是，利用大語(yǔ)言模型，不需要大量數據，也無(wú)需場(chǎng)景化學(xué)習，幾句話(huà)就能輕松調教。

這款整理機器人名為T(mén)idyBot，由谷歌與美國多所高校聯(lián)合打造，通訊作者來(lái)自普林斯頓大學(xué)。

讓機器訓練機器

對于物品整理機器人的定制，最難的一環(huán)就是用戶(hù)偏好的分析。

傳統上，這類(lèi)信息需要通過(guò)海量的數據分析才能得到。

而TidyBot是使用LLM分析用戶(hù)喜好信息的。

用戶(hù)給出的具體實(shí)例，比如依據顏色將不同服飾分別放入衣柜和抽屜，會(huì )被轉換成Python風(fēng)格的LLM提示信息。

最后的概述是由LLM反饋的，具體到這個(gè)例子當中，LLM生成了如下結論：

該結論在接下來(lái)的環(huán)節中會(huì )被用于判定未知物品應該被放到哪里，前一步的輸出結果在這里作為提示的開(kāi)頭。

然后，LLM會(huì )輸出幾個(gè)新顏色襯衫和襪子的放置位置。

除了放置的位置，LLM也能分析其他操作信息，比如是需要“放”還是“扔”（下方Summary中的內容由LLM生成）。

同樣的，使用LLM總結出的信息可以判斷應對未知物體執行何種操作。

其他動(dòng)作信息原理也都相同。

有了LLM給出的信息，接下來(lái)就要應用到實(shí)際工作中了。

TidyBot的系統中預置了很多物品的分類(lèi)標簽，LLM指令的執行方式也已經(jīng)由程序設定。

TidyBot首先讓圖像識別模塊判斷出物品的基本信息，然后傳給LLM生成指令，并交付執行。

△TidyBot工作流程示意圖

由于只有極少量的數據需要進(jìn)行區分，TidyBot具有很強的魯棒性。

同時(shí)，它能對來(lái)自任意用戶(hù)的任何物品進(jìn)行分類(lèi)，又有很強的靈活性。

基準測試成績(jì)亮眼

除了TidyBot本身，測試基準數據集也是該團隊的另一重要貢獻。

該數據集包含了96組以文本形式描述的任務(wù)場(chǎng)景，具體包括已知和未知操作方式的物品和相應的容器。

在每個(gè)場(chǎng)景中，容器的數量為2-5個(gè)，已知操作方式的物品數量為4-10個(gè)，未知物品數量與已知相同。

這96個(gè)場(chǎng)景涵蓋了客廳、臥室、廚房和儲藏室四種房間類(lèi)型，每個(gè)類(lèi)型24組。

△測試數據集節選，完整版可從GitHub中獲取

實(shí)際環(huán)境中，由于對物品分類(lèi)的方式多種多樣，團隊分別從不同分類(lèi)角度對TidyBot的表現進(jìn)行了測試，具體包括：

物品大類(lèi)，如“服裝”和“玩具”物品屬性，如“金屬材質(zhì)”和“塑料材質(zhì)”物品功能，如“夏裝”和“冬裝”物品子類(lèi)，如“襯衫”和“其他服裝”復合類(lèi)型，如“圖書(shū)和玩具”

整體上，TidyBot的準確率達到了91.2%，超過(guò)了WordNet、RoBERTa等其他方式。

具體分類(lèi)角度上的結果也是如此。

上述數據只是在理論層面對TidyBot的分類(lèi)能力進(jìn)行測試。

在實(shí)際應用中，TidyBot的表現同樣不俗。

團隊一共搭建了8個(gè)真實(shí)場(chǎng)景。

△測試使用的真實(shí)場(chǎng)景

每個(gè)場(chǎng)景各包括10件物品、2-5個(gè)容器和4-10條已知信息。

△測試中使用的容器和未知物品

每個(gè)場(chǎng)景都進(jìn)行了重復測試，最終各測試了3次，即一共10*8*3=240次操作。

在這240次操作中，TidyBot的正確率達到了85%。

最后，讓我們實(shí)際看一下TidyBot在測試中的表現吧。

位置及放置方式偏好：服裝→沙發(fā)，放；木塊→抽屜，放；易拉罐→垃圾桶，扔；水果→黑色箱子，扔；零食→塑料箱，扔

本文作者：克雷西，來(lái)源：量子位，原文標題：《懶人福音！谷歌讓機器訓練機器，用大語(yǔ)言模型定制專(zhuān)屬于你的家務(wù)機器人》

風(fēng)險提示及免責條款 市場(chǎng)有風(fēng)險，投資需謹慎。本文不構成個(gè)人投資建議，也未考慮到個(gè)別用戶(hù)特殊的投資目標、財務(wù)狀況或需要。用戶(hù)應考慮本文中的任何意見(jiàn)、觀(guān)點(diǎn)或結論是否符合其特定狀況。據此投資，責任自負。

關(guān)鍵詞：