当我还在跟ChatGPT吹牛尬聊时，有人已经在拿它操控机器人了。

不是别人，正是OpenAI的金主爸爸、不久前刚拿ChatGPT“重新发明搜索引擎”的微软。

到目前为止，开发者调教机器人不仅技术门槛高，还道阻且长：

工程师需要在工作流程回路中，不断手写新代码和规范来纠正机器人行为；另外，操控不同的机器人可能需要不同的编程语言和环境。

而在ChatGPT的帮助下，工程师甚至不用手写代码——直接用人话描述想做什么，AI就能自动翻译成机器语言。

这意味着，一方面专业人士与机器人的交互效率起飞；另一方面，技术门槛也降低一大截，外行人甚至也能参与调试，创造出更多使用方法。

举个简单的例子：让无人机自动检查货架。

首先，操作者只需用自然语言给ChatGPT提出要求；然后，AI就能自动翻译成代码，并指挥无人机行动。（还可以规定无人机的飞行路径。）

难怪特斯拉前AI主管Andrej Karpathy会调侃：

最新的热门编程语言是英语。

一个AI指挥多种机器人

实际上，ChatGPT会玩儿的花样可多了。

比如，一位操作者跟AI说：“我渴了，请帮我找个喝的。”

此时AI并不会直愣愣地就去找水了，而是会很机灵地反问：

请问你想喝哪种？这里有好几种饮料，比如椰子水、可乐等等。

当然操作者也不是吃素的，他并未直接告诉AI选哪个，而是说：“我刚从健身房回来，请帮我找个健康点儿的饮料。”

然后更神奇的操作就开始了：

AI先是猜测他想喝椰子水，然后自己噼里啪啦写出一段代码（甚至还有注释）：

写完就自己指挥无人机去找椰子水：

除了无人机，ChatGPT还能轻松操控别的小机器人，包括摄像头、机械臂等等。

比如让摄像头在房间里找出能加热午饭的东西。

还有指挥机械臂拼出一个微软的Logo。（悄悄夹带私货）

看到这些，有网友脑洞大开，有人发问：

他们是不是正在建立无所不能的天网？

还有人甚至调侃称，AI可能连发射核弹的指令都会写：

不过话说回来，其实离网友说的这些还差得远，毕竟现在还是需要人类参与的。

怎么实现的？

从前文可以看出，这只灵活的AI不仅与人交流畅通无阻，而且和机器也能快速沟通。

这主要得益于微软团队专门开发的一系列API和高级函数库。

他们没有让ChatGPT背后的语言大模型（LLM），生成某固定种类的代码；因为机器人是个多元化领域，这样可能会在不同场景下涉及大量微调。

而在新颖的操作框架下，不同机器人，都有自己对应的特定函数库。

——一个AI，就能适应不同的对象、不同的任务。

一方面，这些函数库，能够连接到机器人控制系统中管理底层硬件，以及执行基本运动的代码和功能模块。

另一方面，为了让ChatGPT也能遵循函数库的规则，预定义函数命名就很关键。清晰的函数名，能让各API之间建立良好的功能连接，最终生成高质量的回答。

其中一项要求，就是所有API名称必须描述整体功能行为。例如，detect_object(object_name) 函数可以在内部链接到OpenCV函数或计算机视觉模型。

设计好库和API后，微软给ChatGPT编写了一个文本提示（prompt），描述目标任务，并明确说明函数库中哪些函数可用；另外，这还能规定ChatGPT生成代码用哪种编程语言。

值得一提的是，AI生成内容效果，和人为提示的质量呈正相关。为此，微软还开发了一个协作开源平台PromptCraft，任何人都能在此分享不同类机器人的Prompt策略。

到此，幕后部署基本完成，然后用户就能通过“说人话”间接操控机器人了。

如果想要检查AI生成的代码是否有Bug，随时都能在聊天框直接检查，或通过模拟器测试，人类可以用自然语言指导AI进行修正。

另外，还能到等到用户对解决方案满意为止，再在将ChatGPT生成代码部署到机器人上。

最后，如果是你，会想用ChatGPT操控机器人做些什么呢？

论文地址：
https://www.microsoft.com/en-us/research/uploads/prod/2023/02/ChatGPT___Robotics.pdf
参考链接：
[1]https://arstechnica.com/information-technology/2023/02/robots-let-chatgpt-touch-the-real-world-thanks-to-microsoft/
[2]https://www.microsoft.com/en-us/research/group/autonomous-systems-group-robotics/articles/chatgpt-for-robotics/