本文來自于微信公眾號 AIGC開放社區(qū)(ID:AIGCOPEN),作者:AIGC開放社區(qū)。
隨著AI技術(shù)的快速迭代,Alexa、Siri、小度、天貓精靈等語音助手得到了廣泛應(yīng)用。但在自然語言理解和完成復(fù)雜任務(wù)方面仍然有限。
相比文本的標準格式,語音充滿復(fù)雜性和多樣性(例如,地方話),傳統(tǒng)方法很難適應(yīng)不同用戶的自定義語言,因此,語音助手需要針對固定領(lǐng)域設(shè)計語義解析方案,而無法對完全開放的語言進行建模。
為了解決這一難題,卡內(nèi)基梅隆大學的研究人員基于大語言模型、視覺模型開發(fā)了HELPER。
該模型采用了檢索增強的大語言模型提示方法,可以將人機對話、指令和錯誤糾正轉(zhuǎn)換為一系列參數(shù)化的視覺運動。
同時在成功執(zhí)行指令后,HELPER會將語言指令和執(zhí)行計劃作為記憶進行存儲。
當用戶再次提出類似請求時,HELPER會自動檢索相關(guān)記憶并進行適當修改來滿足新的要求,從而實現(xiàn)個性化交互。
在TEACh的實驗數(shù)據(jù)顯示,從對話中推斷步驟的測試中,HELPER的任務(wù)成功率和目標條件成功率分別提高了1.7倍和2.1倍,超過了之前最好的模型。在從歷史對話中執(zhí)行任務(wù)中,HELPER也取得了絕佳的效果。
研究人員用物理模擬的方式展示了多個示例,HELPER可以進行洗鍋、煮咖啡、做面包、整理卡片、制作飲料等一系列擬人化操作,并且你只需要詳細的告訴它一次就能記住你的需求,以后無需多說就能照著做。
從論文內(nèi)容來看,HELPER的技術(shù)架構(gòu)主要由規(guī)劃器、執(zhí)行器和視覺語言模型三大塊組成。
規(guī)劃器
該模塊利用檢索增強的大語言模型來進行語義解析和生成一系列執(zhí)行計劃,同時配備了一個文本到程序的外部記憶存儲器,相當于該模型的“大腦”。
在進行語言解析時,規(guī)劃器會先基于當前語言的輸入,使用大語言模型的編碼器計算輸入文本的向量表示,然后檢索出記憶庫中語義最相關(guān)的若干條記錄,將其中的文本-程序?qū)ψ鳛長LM的文本示例,隨后讓LLM生成新的程序。
生成的程序使用Python語言描述,涵蓋一系列參數(shù)化的視覺運動函數(shù),如pickup(X)、goto(X)等,同時也負責處理執(zhí)行失敗后的重新規(guī)劃。
例如,當某個動作執(zhí)行失敗時,系統(tǒng)會調(diào)用外部的視覺語言模型來分析失敗原因并生成文本反饋, 規(guī)劃器隨后會根據(jù)反饋提示LLM生成修正后的新程序。
此外, 規(guī)劃器也會在任務(wù)成功執(zhí)行后,將用戶指令語言和對應(yīng)的執(zhí)行程序加入記憶庫中,實現(xiàn)個性化學習。
執(zhí)行器
該模塊主要負責解析規(guī)劃器生成的程序,并基于當前環(huán)境執(zhí)行指令操作,具體操作如下:
場景解析器:構(gòu)建環(huán)境的語義地圖、占用地圖,以及通過目標檢測跟蹤對象信息。
動作執(zhí)行器:將程序中的函數(shù)調(diào)用翻譯成具體的導航和操作動作執(zhí)行。
前提檢查器:在執(zhí)行每個動作前,驗證必要的前提條件是否滿足。
位置檢查器:當需要找到不在場景地圖中的目標物體時,該模塊會提示LLM生成可能的搜索位置。
簡單來說,執(zhí)行器模塊相當于HELPER的“四肢”,用來執(zhí)行具體的內(nèi)容。
視覺語言模型
當具體計劃執(zhí)行失敗時,系統(tǒng)需要分析失敗原因。所以,HELPER使用了視覺語言模型ALIGN進行糾錯、審查。
方法是將當前視覺輸入與一系列預(yù)定義的錯誤文本進行匹配,輸出最相似的錯誤類型,幫助規(guī)劃器模塊快速找到錯誤所在。這種方法比簡單的像素對比判斷故障類型更加精準和通用。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹慎對待。投資者據(jù)此操作,風險自擔。
近日,中國家電及消費電子博覽會(AWE 2024)隆重開幕。全球領(lǐng)先的智能終端企業(yè)TCL實業(yè)攜多款創(chuàng)新技術(shù)和新品亮相,以敢為精神勇闖技術(shù)無人區(qū),斬獲四項AWE 2024艾普蘭大獎。
“以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進了21600元。
由世界人工智能大會組委會、上海市經(jīng)信委、徐匯區(qū)政府、臨港新片區(qū)管委會共同指導,由上海市人工智能行業(yè)協(xié)會聯(lián)合上海人工智能實驗室、上海臨港經(jīng)濟發(fā)展(集團)有限公司、開放原子開源基金會主辦的“2024全球開發(fā)者先鋒大會”,將于2024年3月23日至24日舉辦。