【leyu科技消息】據(jù)《中國經(jīng)濟(jì)網(wǎng)》報道，近日，香港科技大學(xué)（廣州）李昊昂教授團(tuán)隊在機(jī)器人導(dǎo)航技術(shù)領(lǐng)域取得了重要突破，成功研發(fā)出視覺-語言導(dǎo)航技術(shù)，為機(jī)器人提供了更加自然、智能、高效的導(dǎo)航與交互能力。

　　傳統(tǒng)的機(jī)器人導(dǎo)航技術(shù)主要依賴純視覺信息，如圖像或視頻，來理解周圍環(huán)境并規(guī)劃路徑。然而，在復(fù)雜多變的環(huán)境中，這種導(dǎo)航方式往往存在局限性，導(dǎo)致機(jī)器人導(dǎo)航能力不足。為了克服這一難題，李昊昂教授團(tuán)隊研究出了視覺-語言導(dǎo)航技術(shù)，該技術(shù)能夠整合視覺信息及語言指令，實現(xiàn)高效的人機(jī)交互。

　　在服務(wù)機(jī)器人的應(yīng)用中，該技術(shù)使得機(jī)器人能夠理解人類的語言指令，如“走到客廳，把餐桌上的蘋果拿給我”，并通過視覺數(shù)據(jù)識別關(guān)鍵信息，如“客廳”、“餐桌”、“蘋果”等，從而準(zhǔn)確地完成任務(wù)。這一技術(shù)的實現(xiàn)，不僅拓展了機(jī)器人的應(yīng)用場景，還提高了機(jī)器人的工作效率和安全性。

　　此外，針對現(xiàn)有視覺-語言大模型在信息保障方面存在的問題，如對數(shù)據(jù)質(zhì)量和訓(xùn)練場景的敏感性、難以理解模糊語言指令等，李昊昂教授團(tuán)隊提出了面向視覺-語言導(dǎo)航應(yīng)用的大模型調(diào)優(yōu)策略。通過在機(jī)器人室內(nèi)外導(dǎo)航數(shù)據(jù)上進(jìn)行視覺數(shù)據(jù)抽取和語言指令標(biāo)注，并對模型進(jìn)行擬合，機(jī)器人可以根據(jù)提取的環(huán)境視覺特征和人類語言指令來決定其導(dǎo)航路徑。

　　在數(shù)據(jù)基礎(chǔ)方面，團(tuán)隊還通過仿真數(shù)據(jù)合成的方式解決了現(xiàn)有導(dǎo)航訓(xùn)練數(shù)據(jù)存在的問題。他們設(shè)計了新穎的生成式擴(kuò)散模型，可以合成大量、多樣化、高質(zhì)量的視覺數(shù)據(jù)和相關(guān)的語言描述，從而有效增加訓(xùn)練數(shù)據(jù)的多樣性，提高模型在處理復(fù)雜、未見場景時的魯棒性。

版權(quán)所有，未經(jīng)許可不得轉(zhuǎn)載