ChatGPT 已能操控机器人，工程师连代码都不用写，网友：微软在搞天网？

Alex 发自 凹非寺

本文源自：量子位 | 公众号 QbitAI

当我还在跟 ChatGPT 吹牛尬聊时，有人已经在拿它操控机器人了。

不是别人，正是 OpenAI 的金主爸爸、不久前刚拿 ChatGPT“重新发明搜索引擎”的微软。

到目前为止，开发者调教机器人不仅技术门槛高，还道阻且长：

工程师需要在工作流程回路中，不断手写新代码和规范来纠正机器人行为；另外，操控不同的机器人可能需要不同的编程语言和环境。

而在 ChatGPT 的帮助下，工程师甚至不用手写代码——直接用人话描述想做什么，AI 就能自动翻译成机器语言。

这意味着，一方面专业人士与机器人的交互效率起飞；另一方面，技术门槛也降低一大截，外行人甚至也能参与调试，创造出更多使用方法。

举个简单的例子：让无人机自动检查货架。

首先，操作者只需用自然语言给 ChatGPT 提出要求；然后，AI 就能自动翻译成代码，并指挥无人机行动。（还可以规定无人机的飞行路径。）

难怪特斯拉前 AI 主管 Andrej Karpathy 会调侃：

最新的热门编程语言是英语。

一个 AI 指挥多种机器人

实际上，ChatGPT 会玩儿的花样可多了。

比如，一位操作者跟 AI 说：“我渴了，请帮我找个喝的。”

此时 AI 并不会直愣愣地就去找水了，而是会很机灵地反问：

请问你想喝哪种？这里有好几种饮料，比如椰子水、可乐等等。

当然操作者也不是吃素的，他并未直接告诉 AI 选哪个，而是说：“我刚从健身房回来，请帮我找个健康点儿的饮料。”

然后更神奇的操作就开始了：

AI 先是猜测他想喝椰子水，然后自己噼里啪啦写出一段代码（甚至还有注释）：

写完就自己指挥无人机去找椰子水：

除了无人机，ChatGPT 还能轻松操控别的小机器人，包括摄像头、机械臂等等。

比如让摄像头在房间里找出能加热午饭的东西。

还有指挥机械臂拼出一个微软的 Logo。（悄悄夹带私货）

看到这些，有网友脑洞大开，有人发问：

他们是不是正在建立无所不能的天网？

还有人甚至调侃称，AI 可能连发射核弹的指令都会写：

不过话说回来，其实离网友说的这些还差得远，毕竟现在还是需要人类参与的。

怎么实现的？

从前文可以看出，这只灵活的 AI 不仅与人交流畅通无阻，而且和机器也能快速沟通。

这主要得益于微软团队专门开发的一系列 API 和高级函数库。

他们没有让 ChatGPT 背后的语言大模型（LLM），生成某固定种类的代码；因为机器人是个多元化领域，这样可能会在不同场景下涉及大量微调。

而在新颖的操作框架下，不同机器人，都有自己对应的特定函数库。

——一个 AI，就能适应不同的对象、不同的任务。

一方面，这些函数库，能够连接到机器人控制系统中管理底层硬件，以及执行基本运动的代码和功能模块。

另一方面，为了让 ChatGPT 也能遵循函数库的规则，预定义函数命名就很关键。清晰的函数名，能让各 API 之间建立良好的功能连接，最终生成高质量的回答。

其中一项要求，就是所有 API 名称必须描述整体功能行为。例如，detect_object(object_name) 函数可以在内部链接到 OpenCV 函数或计算机视觉模型。

设计好库和 API 后，微软给 ChatGPT 编写了一个文本提示（prompt），描述目标任务，并明确说明函数库中哪些函数可用；另外，这还能规定 ChatGPT 生成代码用哪种编程语言。

值得一提的是，AI 生成内容效果，和人为提示的质量呈正相关。为此，微软还开发了一个协作开源平台 PromptCraft，任何人都能在此分享不同类机器人的 Prompt 策略。

到此，幕后部署基本完成，然后用户就能通过“说人话”间接操控机器人了。

如果想要检查 AI 生成的代码是否有 Bug，随时都能在聊天框直接检查，或通过模拟器测试，人类可以用自然语言指导 AI 进行修正。

另外，还能到等到用户对解决方案满意为止，再在将 ChatGPT 生成代码部署到机器人上。

最后，如果是你，会想用 ChatGPT 操控机器人做些什么呢？

论文地址：https://www.microsoft.com/en-us/research/uploads/prod/2023/02/ChatGPT___Robotics.pdf

参考链接：[1]https://arstechnica.com/information-technology/2023/02/robots-let-chatgpt-touch-the-real-world-thanks-to-microsoft/[2]https://www.microsoft.com/en-us/research/group/autonomous-systems-group-robotics/articles/chatgpt-for-robotics/[3]https://github.com/microsoft/PromptCraft-Robotics#promptcraft-robotics

卡奥斯开源社区是为开发者提供便捷高效的开发服务和可持续分享、交流的 IT 前沿阵地，包含技术文章、群组、互动问答、在线学习、大赛活动、开发者平台、OpenAPI 平台、低代码平台、开源项目等服务，社区使命是让每一个知识工人成就不凡。

官网链接：Openlab.cosmoplat—打造工业互联网顶级开源社区