能夠在沒有明確指示的情況下清理房屋的機器人在日常生活中會很有用。arXiv.org 上最近的一篇論文提出了 Housekeep 任務，以衡量具身AI 代理使用物理常識推理和推斷模仿人類在室內(nèi)環(huán)境中首選物體放置的重新排列目標的能力。

研究人員收集了人類在整潔和不整潔的房屋中放置物體的偏好數(shù)據(jù)集。他們提出了一個模塊化基線，并證明從大型語言模型 (LLM) 中提取的具體常識是擬議任務的有效規(guī)劃器。結果表明，該方法可以推廣到重新排列看不見的對象，而無需訪問顯式指令。

需要進一步研究開發(fā)探索模塊，以便代理可以更頻繁地訪問雜亂無章的區(qū)域和推理模塊，以提高識別放錯對象的精度。

我們介紹了 Housekeep，這是一個評估家中體現(xiàn)人工智能的常識推理的基準。在 Housekeep 中，具體化的代理必須通過重新排列放錯位置的物體來整理房子，而無需明確說明需要重新排列哪些物體。相反，代理必須從人類偏好中學習并根據(jù)人類偏好來評估哪些物體屬于整潔的房子中的哪個位置。具體來說，我們收集了一個數(shù)據(jù)集，其中人類通常將物體放置在整潔和不整潔的房屋中，包括 1799 個物體、268 個物體類別、585 個放置位置和 105 個房間。接下來，我們?yōu)?Housekeep 提出了一種模塊化基線方法，該方法集成了規(guī)劃、探索和導航。它利用在互聯(lián)網(wǎng)文本語料庫上訓練的微調(diào)大型語言模型 (LLM) 進行有效規(guī)劃。我們表明，我們的基線代理可以泛化為在未知環(huán)境中重新排列看不見的對象。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！