计算机科学 > 人工智能
[提交于 2024年6月2日
]
标题: 基于视觉信息和预测导向提示的基于大语言模型的身体世界模型
标题: The Embodied World Model Based on LLM with Visual Information and Prediction-Oriented Prompts
摘要: 近年来,随着机器学习,特别是视觉和语言理解方面的进步,嵌入式人工智能的研究也得到了发展。 VOYAGER 是一个著名的基于大语言模型的具身人工智能,它能够在我的世界(Minecraft)中实现自主探索,但它存在视觉数据利用不足和作为世界模型功能有限等问题。 在本研究中,旨在提高具身人工智能性能的情况下,探讨了利用视觉数据以及大语言模型作为世界模型的功能的可能性。 实验结果表明,大语言模型能够从视觉数据中提取必要信息,而信息的利用提高了其作为世界模型的性能。 还建议设计的提示可以发挥大语言模型作为世界模型的功能。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.