详细内容或原文请订阅后点击阅览
扩展能解决机器人问题吗？
这篇文章最初发表在作者的个人博客上。去年的机器人学习会议 (CoRL) 是迄今为止规模最大的一次 CoRL，有超过 900 名与会者、11 场研讨会和近 200 篇被接受的论文。虽然有很多很酷的新想法（请参阅这套很棒的笔记以了解技术内容的概述），但一场特别的争论似乎占据了中心位置：在非常大的数据集上训练大型神经网络是否是解决机器人问题的可行方法？1 当然，这个问题的某个版本已经困扰了研究人员几年。然而，在 ChatGPT 和其他大型“基础模型”在几年前被认为无法解决的任务上取得前所未有的成功之后，这个问题在今年的 CoRL 上尤其引人注目。开发一种通用机器人，能够在人类可以执行的任何家庭或办公室环境中胜任且稳健地执行各种感兴趣的任务，自该领域诞生以来，这或许一直是机器人领域的圣杯。鉴于基础模型的最新进展，通过在非常大的数据集上训练现有网络架构来扩展它们似乎可能是实现这一目标的关键。鉴于这场辩论似乎非常及时和重要，我认为围绕它写一篇文章可能会很有用。我在这里的主要目标是尝试呈现我所听到的不同观点，不偏向任何一方。几乎所有内容
来源:IEEE Spectrum _机器人本文最初发表于作者的个人博客。
本文最初发表于作者的个人博客。 个人博客去年的机器人学习会议 (CoRL) 是迄今为止规模最大的一次 CoRL，有超过 900 名与会者、11 场研讨会和近 200 篇被接受的论文。虽然有很多很酷的新想法（请参阅这组很棒的笔记，了解技术内容概述），但有一个特定的争论似乎处于中心位置：在非常大的数据集上训练大型神经网络是解决机器人问题的可行方法吗？1
机器人学习会议 (CoRL) 很多 这组很棒的笔记 机器人技术 1 1当然，这个问题的某些版本已经困扰了研究人员几年。然而，在 ChatGPT 和其他大型“基础模型”在几年前被认为无法解决的任务上取得前所未有的成功之后，这个问题在今年的 CoRL 上尤其引人注目。开发一种通用机器人，能够在人类可以执行的任何家庭或办公室环境中胜任且稳健地执行各种感兴趣的任务，自该领域诞生以来，这或许一直是机器人领域的圣杯。鉴于基础模型的最新进展，通过在非常大的数据集上训练现有网络架构来扩展它们似乎可能是实现这一目标的关键。
ChatGPT 基础模型 任何鉴于这场辩论似乎如此及时和重要，我认为围绕它写一篇文章可能会很有用。我的主要目标是尝试呈现我所听到的不同观点，不偏向任何一方。几乎所有内容都直接取自我参加的演讲或与其他与会者的对话。我希望这有助于加深人们对辩论的理解，甚至可能激发未来的研究思路和方向。