當我還在跟ChatGPT吹牛尬聊時，有人已經(jīng)在拿它操控機器人了。 不是別人，正是 OpenAI 的金主爸爸、不久前剛拿 ChatGPT“重新發(fā)明搜索引擎”的微軟。

到目前為止，開發(fā)者調(diào)教機器人不僅技術門檻高，還道阻且長： 工程師需要在工作流程回路中，不斷手寫新代碼和規(guī)范來糾正機器人行為；另外，操控不同的機器人可能需要不同的編程語言和環(huán)境。

而在 ChatGPT 的幫助下，工程師甚至不用手寫代碼 —— 直接用人話描述想做什么，AI 就能自動翻譯成機器語言。

這意味著，一方面專業(yè)人士與機器人的交互效率起飛；另一方面，技術門檻也降低一大截，外行人甚至也能參與調(diào)試，創(chuàng)造出更多使用方法。 舉個簡單的例子：讓無人機自動檢查貨架。 首先，操作者只需用自然語言給 ChatGPT 提出要求；然后，AI 就能自動翻譯成代碼，并指揮無人機行動。（還可以規(guī)定無人機的飛行路徑。）

難怪特斯拉前 AI 主管 Andrej Karpathy 會調(diào)侃：

實際上，ChatGPT 會玩兒的花樣可多了。 比如，一位操作者跟 AI 說：“我渴了，請幫我找個喝的。” 此時 AI 并不會直愣愣地就去找水了，而是會很機靈地反問：

當然操作者也不是吃素的，他并未直接告訴 AI 選哪個，而是說：“我剛從健身房回來，請幫我找個健康點兒的飲料?！?然后更神奇的操作就開始了： AI 先是猜測他想喝椰子水，然后自己噼里啪啦寫出一段代碼（甚至還有注釋）：

寫完就自己指揮無人機去找椰子水：

除了無人機，ChatGPT 還能輕松操控別的小機器人，包括攝像頭、機械臂等等。 比如讓攝像頭在房間里找出能加熱午飯的東西。

還有指揮機械臂拼出一個微軟的 Logo。（悄悄夾帶私貨）

看到這些，有網(wǎng)友腦洞大開，有人發(fā)問：

還有人甚至調(diào)侃稱，AI 可能連發(fā)射核彈的指令都會寫：

不過話說回來，其實離網(wǎng)友說的這些還差得遠，畢竟現(xiàn)在還是需要人類參與的。 從前文可以看出，這只靈活的 AI 不僅與人交流暢通無阻，而且和機器也能快速溝通。 這主要得益于微軟團隊專門開發(fā)的一系列API和高級函數(shù)庫。

他們沒有讓 ChatGPT 背后的語言大模型（LLM），生成某固定種類的代碼；因為機器人是個多元化領域，這樣可能會在不同場景下涉及大量微調(diào)。 而在新穎的操作框架下，不同機器人，都有自己對應的特定函數(shù)庫。 ——一個 AI，就能適應不同的對象、不同的任務。 一方面，這些函數(shù)庫，能夠連接到機器人控制系統(tǒng)中管理底層硬件，以及執(zhí)行基本運動的代碼和功能模塊。 另一方面，為了讓 ChatGPT 也能遵循函數(shù)庫的規(guī)則，預定義函數(shù)命名就很關鍵。清晰的函數(shù)名，能讓各 API 之間建立良好的功能連接，最終生成高質(zhì)量的回答。 其中一項要求，就是所有 API 名稱必須描述整體功能行為。例如，detect_object (object_name) 函數(shù)可以在內(nèi)部鏈接到 OpenCV 函數(shù)或計算機視覺模型。 設計好庫和 API 后，微軟給 ChatGPT 編寫了一個文本提示（prompt），描述目標任務，并明確說明函數(shù)庫中哪些函數(shù)可用；另外，這還能規(guī)定 ChatGPT 生成代碼用哪種編程語言。

值得一提的是，AI 生成內(nèi)容效果，和人為提示的質(zhì)量呈正相關。為此，微軟還開發(fā)了一個協(xié)作開源平臺 PromptCraft，任何人都能在此分享不同類機器人的 Prompt 策略。

到此，幕后部署基本完成，然后用戶就能通過“說人話”間接操控機器人了。 如果想要檢查 AI 生成的代碼是否有 Bug，隨時都能在聊天框直接檢查，或通過模擬器測試，人類可以用自然語言指導 AI 進行修正。 另外，還能到等到用戶對解決方案滿意為止，再在將 ChatGPT 生成代碼部署到機器人上。 最后，如果是你，會想用 ChatGPT 操控機器人做些什么呢？

審核編輯 ：李倩