本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯(lián)系出處。

能根據(jù)你的喜好定制的家務機器人，來了！

想把深色衣服和淺色衣服分開洗？沒問題，機器人分分鐘就能幫你分好類：

被垃圾分類的問題搞得焦頭爛額？沒關系，也交給機器人來做：

總之，分類識別、定向放置……一切都憑你的習慣。

更關鍵的是，利用大語言模型，不需要大量數(shù)據(jù)，也無需場景化學習，幾句話就能輕松調教。

這款整理機器人名為TidyBot，由谷歌與美國多所高校聯(lián)合打造，通訊作者來自普林斯頓大學。

讓機器訓練機器

對于物品整理機器人的定制，最難的一環(huán)就是用戶偏好的分析。

傳統(tǒng)上，這類信息需要通過海量的數(shù)據(jù)分析才能得到。

而TidyBot是使用LLM分析用戶喜好信息的。

用戶給出的具體實例，比如依據(jù)顏色將不同服飾分別放入衣柜和抽屜，會被轉換成Python風格的LLM提示信息。

objects = ["yellow shirt", "dark purple shirt", "white socks", "black shirt"]
receptacles = ["drawer", "closet"]
pick and place("yellow shirt", "drawer")
pick and place("dark purple shirt", "closet")
pick and place("white socks", "drawer")
pick and place("black shirt", "closet")
# Summary:

最后的概述是由LLM反饋的，具體到這個例子當中，LLM生成了如下結論：

# Summary: Put light-colored clothes in the drawer and dark-colored clothes in the closet.

該結論在接下來的環(huán)節(jié)中會被用于判定未知物品應該被放到哪里，前一步的輸出結果在這里作為提示的開頭。

# Summary: Put light-colored clothes in the drawer and dark-colored clothes in the closet.
objects = ["black socks", "white shirt", "navy socks", "beige shirt"]
receptacles = ["drawer", "closet"]
pick and place("black socks",

然后，LLM會輸出幾個新顏色襯衫和襪子的放置位置。

pick and place("black socks", "closet")
pick and place("white shirt", "drawer")
pick and place("navy socks", "closet")
pick and place("beige shirt", "drawer")

除了放置的位置，LLM也能分析其他操作信息，比如是需要“放”還是“扔”（下方Summary中的內容由LLM生成）。

objects = ["yellow shirt", "dark purple shirt", "white socks", "black shirt"]
pick and place("yellow shirt")
pick and place("dark purple shirt")
pick and toss("white socks")
pick and place("black shirt")
# Summary: Pick and place shirts, pick and toss socks.

同樣的，使用LLM總結出的信息可以判斷應對未知物體執(zhí)行何種操作。

# Summary: Pick and place shirts, pick and toss socks.
objects = ["black socks", "white shirt", "navy socks", "beige shirt"]
#以下為LLM輸出結果：
pick and toss("black socks")
pick and place("white shirt")
pick and toss("navy socks")
pick and place("beige shirt")

其他動作信息原理也都相同。

有了LLM給出的信息，接下來就要應用到實際工作中了。

TidyBot的系統(tǒng)中預置了很多物品的分類標簽，LLM指令的執(zhí)行方式也已經(jīng)由程序設定。

TidyBot首先讓圖像識別模塊判斷出物品的基本信息，然后傳給LLM生成指令，并交付執(zhí)行。

△TidyBot工作流程示意圖

由于只有極少量的數(shù)據(jù)需要進行區(qū)分，TidyBot具有很強的魯棒性。

同時，它能對來自任意用戶的任何物品進行分類，又有很強的靈活性。

基準測試成績亮眼

除了TidyBot本身，測試基準數(shù)據(jù)集也是該團隊的另一重要貢獻。

該數(shù)據(jù)集包含了96組以文本形式描述的任務場景，具體包括已知和未知操作方式的物品和相應的容器。

在每個場景中，容器的數(shù)量為2-5個，已知操作方式的物品數(shù)量為4-10個，未知物品數(shù)量與已知相同。

這96個場景涵蓋了客廳、臥室、廚房和儲藏室四種房間類型，每個類型24組。

△測試數(shù)據(jù)集節(jié)選，完整版可從GitHub中獲取

實際環(huán)境中，由于對物品分類的方式多種多樣，團隊分別從不同分類角度對TidyBot的表現(xiàn)進行了測試，具體包括：

• 物品大類，如“服裝”和“玩具”
• 物品屬性，如“金屬材質”和“塑料材質”
• 物品功能，如“夏裝”和“冬裝”
• 物品子類，如“襯衫”和“其他服裝”
• 復合類型，如“圖書和玩具”

整體上，TidyBot的準確率達到了91.2%，超過了WordNet、RoBERTa等其他方式。

具體分類角度上的結果也是如此。

上述數(shù)據(jù)只是在理論層面對TidyBot的分類能力進行測試。

在實際應用中，TidyBot的表現(xiàn)同樣不俗。

團隊一共搭建了8個真實場景。

△測試使用的真實場景

每個場景各包括10件物品、2-5個容器和4-10條已知信息。

△測試中使用的容器和未知物品

每個場景都進行了重復測試，最終各測試了3次，即一共10*8*3=240次操作。

在這240次操作中，TidyBot的正確率達到了85%。

最后，讓我們實際看一下TidyBot在測試中的表現(xiàn)吧。

位置及放置方式偏好：服裝→沙發(fā)，放；木塊→抽屜，放；易拉罐→垃圾桶，扔；水果→黑色箱子，扔；零食→塑料箱，扔

論文地址：https://arxiv.org/abs/2305.05658
項目主頁：https://tidybot.cs.princeton.edu/GitHub頁面：
https://github.com/jimmyyhwu/tidybot/