东京大学的研究人员将GPT-4模型，集成在实体机器人Alter3中，可将文本、语言直接转化成机器人动作，例如，做一个自拍动作;装一个“鬼样”;做一个摇滚音乐动作等，就连微笑、眨眼这样的面部表情动作也没问题。
在GPT-4的帮助下，Alter3建立了语言反馈系统，可通过语言指令优化机器人的运动，而无需修改任何代码，在传统机器人领域是很难做不到。
Alter3接到指令后，做了一个摇滚动作
也就是说，Alter3突破了传统的硬件编码限制，可以实现知识存储、动作优化和0样本学习等。在不需要为机器人的每个身体部位进行编程的情况下，可自动生成新的动作序列，完成自我迭代。
简单来说，可以把GPT-4看成是Alter3的“大脑”。大语言模型的海量知识的能力可以使Alter3，完成很多之前需要特定代码才能完成的动作。怎么感觉有点像施瓦辛格的“终结者”呢?
论文地址:https://arxiv.org/abs/2312.06571
Alter3简单介绍
Alter3是Alter系列的第3代实体机器人，整体结构采用前后分离式设计。主控制部分包含43个微调关节和马达，可实现细腻流畅的各部位动作控制。
Alter3采用了空气驱动技术来控制每个关节来执行指定运动，刷新率为100—150毫秒。
相比电动马达，空气驱动能保证动作流畅平稳，响应更快速。同时也提高了可靠性和维修保养便利性。例如，当马达出问题时，只需更换单独部件而不影响整体性能。
表情部分对应人脸部位，包括眼睛、眉毛、嘴巴等，也由马达驱动实现丰富的面部表情变化。面部组件可以单独拆装，实现灵活配置。
Alter3视觉系统采用4个高清摄像头，分别安装在头部两侧和眼部内部。头部摄像头主要用于人体姿态跟踪和面部识别分析等任务。
眼部内置摄像头可以模拟眼神等动作，为Alter3提供了与人类视觉系统等效的感知能力。
GPT-4在Alter3的作用
Alter3通过与GPT-4语言模型的结合，能够根据给定的文本描述自主生成动作，同时GPT-4承担了动作描述生成和代码映射转换两大重要功能。
在第一阶段， GPT-4能够根据简短的语言提示，产生丰富生动的动作描述:
1）GPT-4会描述出各种面部表情和身体语言;2)各动作应独立成段，流畅连贯;3)根据人体关节可行性给出具体的执行细节。
GPT-4可以生成动作细节和丰富的情感表达，为下一步代码转化提供了重要基础。
在第二阶段，GPT-4会将提示文本语言转换为，控制Alter3机器人实际动作的Python代码。
GPT-4采用类似写论文的结构性表达，首先导入Alter3模块，然后针对每个动作描述一步一步写出设置各关节值的Python代码。
例如，轴1值设为255，表示愤怒表情等。Alter3接收到转换后的代码后，可以执行具体的动作。
简单来说，Alter3借助了GPT-4强大的编程、转换、理解、存储等智能化能力，极大节省了开发时间和成本，同时将这些能力注入到Alter3中。
为了测试GPT-4在Alter3上发挥的能力，研究人员对9个不同机器人动作的视频进行了评估，每个视频由100多名参与者按5分制给出评分。
结果显示，GPT-4生成的动作视频评分，显著高于原生动作视频，这说明GPT-4生成的动作能真实还原人体动作细节。
此外，研究人员通过反馈强化对Alter3生成的动作进行微调，达到了更流畅的效果。
同时，研究人员采取了模拟社会大脑理论中的多个代理人模式，让Alter3与6种不同人格进行对话，以增强其与人交流能力。
gptgpt-4机器人研究人员面部表情摄像头pythonpython代码语言模型可靠性arxivurl人体动作语言指令大语言模型身体语言描述生成语言转换情感表达面部识别自动生成智能化灵活配置
