GPT-3 Davinci 模型是一種深度學習模型，屬于 GPT 模型系列的一部分，可以理解和生成自然語言。該模型具有強大的總結能力，可以從大量的文本數據中學習復雜的對象屬性和關系。研究人員利用這種能力，讓機器人根據用戶提供的幾個示例對象放置位置，如“黃色襯衫放在抽屜里，深紫色襯衫放在衣柜里，白色襪子放在抽屜里”，然后讓模型總結出用戶的一般偏好規則，并應用到未來的交互中。

研究人員在論文中寫道：“我們的基本見解是，LLM（大型語言模型）的總結能力與個性化機器人的泛化需求非常匹配。LLM 展示了通過總結實現泛化的驚人能力，利用從海量文本數據集中學習到的復雜對象屬性和關系。”

他們還寫道：“與需要昂貴的數據收集和模型訓練的傳統方法不同，我們展示了 LLM 可以直接開箱即用地實現機器人領域的泛化，利用它們從海量文本數據中學習到的強大的總結能力。”

研究人員在論文網站上展示了一個機器人，它能夠將洗衣服分為淺色和深色，回收飲料罐，扔掉垃圾，收拾包和餐具，將散落的物品放回原處，并將玩具放入抽屜。

研究人員首先測試了一個基于文本的基準數據集，其中輸入了用戶偏好，并要求模型創建個性化規則來確定物品歸屬。模型將示例總結為一般規則，并使用總結來確定新物品的放置位置。基準場景定義在四個房間中，每個房間有 24 個場景。每個場景包含兩到五個放置物品的地方，并且有相同數量的已見和未見物品供模型分類。他們寫道，這個測試在未見物品上達到了 91.2% 的準確率。

當他們將這種方法應用到真實世界的機器人 TidyBot 時，他們發現它能夠成功地收拾 85% 的物體。TidyBot 在八個真實場景中進行了測試，每個場景有一組十個物品，并在每個場景中運行機器人 3 次。據IT之家了解，除了 LLM，TidyBot 還使用了一個叫做 CLIP 的圖像分類器和一個叫做 OWL-ViT 的物體檢測器。

佐治亞理工學院交互計算學院的助理教授徐丹飛（Danfei Xu）在談到谷歌的 PaLM-E 模型時表示，LLM 使機器人具有更多的問題解決能力。“以前的任務規劃系統大多依賴于一些形式的搜索或優化算法，這些算法不太靈活，也很難構建。LLM 和多模態 LLM 使這些系統能夠從互聯網規模的數據中受益，并輕松地用于解決新問題。”他說。