場景理解是機(jī)器人技術(shù)的主要挑戰(zhàn)。機(jī)器人系統(tǒng)必須能夠?qū)Υ罅凯h(huán)境和其中的實體進(jìn)行語義理解。例如，如果被要求去廚房拿勺子，機(jī)器人應(yīng)該了解廚房是什么，利用它的知識來確定哪些位置可能是廚房，并分割物體以識別要拿的勺子。

arXiv.org上最近的一篇文章展示了如何將大型語言模型用于此類任務(wù)。研究人員使用啟發(fā)式方法挑選出房間內(nèi)存在的少量語義信息對象，用這些對象標(biāo)簽構(gòu)造一個查詢字符串作為房間的描述，并將字符串傳遞給語言模型以推斷房間的標(biāo)簽.

該方法不需要任何訓(xùn)練或微調(diào)，即使在零樣本情況下也能實現(xiàn)良好的推理精度。

語義3D場景理解是機(jī)器人技術(shù)中至關(guān)重要的問題。雖然在同步定位和映射算法方面取得了重大進(jìn)展，但機(jī)器人仍遠(yuǎn)未具備有關(guān)家庭物體及其普通人位置的常識。我們介紹了一種利用嵌入在大型語言模型中的常識來標(biāo)記房間的新方法，因為其中包含的對象。該算法具有額外的好處：(i)不需要特定于任務(wù)的預(yù)訓(xùn)練(完全在零樣本狀態(tài)下運行)和(ii)泛化到任意房間和對象標(biāo)簽，包括以前看不見的標(biāo)簽——這兩者都是機(jī)器人場景理解算法中非常理想的特征。所提出的算法在現(xiàn)代空間感知系統(tǒng)產(chǎn)生的3D場景圖上運行，

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