具身大模型
教材《人工智能导论》8.2.3 / 内部第3点 · 已审核
通俗解释
随着大模型技术的发展，具身智能也进入了具身大模型的新阶段。 简单来说，这类模型就相当于为具身智能体提供了统一的语言—视觉—动作建模与任务执行能力，能把语言、视觉、动作这三种能力整合到同一个系统中，让具身智能体能够通过人类的自然语言指令，完成复杂的跨模态任务。
例子
例如，Google DeepMind 提出的RT-2 模型利用语言模型的语义理解能力来解释任务需求，并将其转换为可执行的机器人动作，从而实现自然语言到物理行为的映射，使机器人具备了跨模态理解与执行的能力。
容易混淆
语言模型会描述动作，不等于机器人能准确安全地执行。
检查理解
用自己的话解释“具身大模型”在“具身智能”中的作用，并举出教材中的一个例子或适用场景。对照原文检查条件、公式和图表。
查看参考答案
要点：随着大模型技术的发展，具身智能也进入了具身大模型的新阶段。 简单来说，这类模型就相当于为具身智能体提供了统一的语言—视觉—动作建模与任务执行能力，能把语言、视觉、动作这三种能力整合到同一个系统中，让具身智能体能够通过人类的自然语言指令，完成复杂的跨模态任务。 示例：例如，Google DeepMind 提出的RT-2 模型利用语言模型的语义理解能力来解释任务需求，并将其转换为可执行的机器人动作，从而实现自然语言到物理行为的映射，使机器人具备了跨模态理解与执行的能力。