PaLM-E: An Embodied Multimodal Language Model

具身认知 计算机科学 多样性(控制论) 人工智能 语言理解 语言模型 推论 模态(人机交互) 自然语言处理 机器人学 人机交互 模式 手语 机器人 语言学 社会科学 社会学 哲学
作者
Danny Driess,Fei Xia,Mehdi S. M. Sajjadi,Corey Lynch,Aakanksha Chowdhery,Brian Ichter,Ayzaan Wahid,Jonathan Tompson,Quan Vuong,Tianhe Yu,Wenlong Huang,Yevgen Chebotar,Pierre Sermanet,Daniel Duckworth,Sergey Levine,Vincent Vanhoucke,Karol Hausman,Marc Toussaint,Klaus Greff,Andy Zeng
出处
期刊:Cornell University - arXiv 被引量:309
标识
DOI:10.48550/arxiv.2303.03378
摘要

Large language models excel at a wide range of complex tasks. However, enabling general inference in the real world, e.g., for robotics problems, raises the challenge of grounding. We propose embodied language models to directly incorporate real-world continuous sensor modalities into language models and thereby establish the link between words and percepts. Input to our embodied language model are multi-modal sentences that interleave visual, continuous state estimation, and textual input encodings. We train these encodings end-to-end, in conjunction with a pre-trained large language model, for multiple embodied tasks including sequential robotic manipulation planning, visual question answering, and captioning. Our evaluations show that PaLM-E, a single large embodied multimodal model, can address a variety of embodied reasoning tasks, from a variety of observation modalities, on multiple embodiments, and further, exhibits positive transfer: the model benefits from diverse joint training across internet-scale language, vision, and visual-language domains. Our largest model, PaLM-E-562B with 562B parameters, in addition to being trained on robotics tasks, is a visual-language generalist with state-of-the-art performance on OK-VQA, and retains generalist language capabilities with increasing scale.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
幽默的煎饼完成签到,获得积分10
刚刚
2秒前
science发布了新的文献求助30
2秒前
幸福大白发布了新的文献求助30
3秒前
qpzn完成签到,获得积分10
3秒前
3秒前
Judy完成签到 ,获得积分10
3秒前
量子星尘发布了新的文献求助30
5秒前
Aurora.H完成签到,获得积分10
5秒前
吹泡泡的红豆完成签到 ,获得积分10
7秒前
Hellowa发布了新的文献求助10
8秒前
搬砖完成签到 ,获得积分10
8秒前
一眼之间完成签到 ,获得积分10
8秒前
丹丹完成签到 ,获得积分10
9秒前
早起完成签到,获得积分10
9秒前
幸福大白发布了新的文献求助30
11秒前
science完成签到,获得积分10
12秒前
逆天了呀完成签到,获得积分10
12秒前
ToCell完成签到,获得积分10
12秒前
木雨亦潇潇完成签到,获得积分10
16秒前
大丽丽完成签到,获得积分10
16秒前
WANG完成签到,获得积分10
16秒前
奋斗灵竹完成签到,获得积分10
18秒前
zhangnan完成签到 ,获得积分10
22秒前
量子星尘发布了新的文献求助10
23秒前
青菜完成签到,获得积分10
25秒前
28秒前
传奇3应助时一采纳,获得10
31秒前
千瓦时醒醒完成签到,获得积分10
32秒前
Star完成签到,获得积分10
32秒前
畅快山兰完成签到 ,获得积分10
32秒前
chen完成签到 ,获得积分10
32秒前
徐哈哈完成签到 ,获得积分10
33秒前
呆萌发布了新的文献求助10
33秒前
诸葛嵩完成签到,获得积分10
34秒前
yes完成签到 ,获得积分10
35秒前
ally完成签到,获得积分10
35秒前
沉静的浩然完成签到,获得积分10
37秒前
忧心的曼凝应助Andy采纳,获得10
38秒前
量子星尘发布了新的文献求助10
39秒前
高分求助中
(应助此贴封号)【重要!!请各位详细阅读】【科研通的精品贴汇总】 10000
Organic Chemistry 1500
The Netter Collection of Medical Illustrations: Digestive System, Volume 9, Part III - Liver, Biliary Tract, and Pancreas (3rd Edition) 600
Introducing Sociology Using the Stuff of Everyday Life 400
Conjugated Polymers: Synthesis & Design 400
Picture Books with Same-sex Parented Families: Unintentional Censorship 380
Metals, Minerals, and Society 300
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4262529
求助须知:如何正确求助?哪些是违规求助? 3795377
关于积分的说明 11899666
捐赠科研通 3442113
什么是DOI,文献DOI怎么找? 1888861
邀请新用户注册赠送积分活动 939592
科研通“疑难数据库(出版商)”最低求助积分说明 844651