從斯坦福大學的 VIMA 機器人智能體，到谷歌 DeepMind 推出控制機器人的視覺 - 語言 - 動作（VLA）的模型 RT-2，大模型加持的機器人研究備受關注。
當前，自監督和語言監督的圖像模型已經包含豐富的世界知識，這對于泛化來說非常重要，但圖像特征是二維的。我們知道，機器人任務通常需要對現實世界中三維物體的幾何形狀有所了解。
基于此，來自 MIT CSAIL 和 IAIFI 的研究者利用蒸餾特征場（Distilled Feature Field，DFF），將準確的 3D 幾何圖形與來自 2D 基礎模型的豐富語義結合起來，讓機器人能夠利用 2D 基礎模型中豐富的視覺和語言先驗，完成語言指導的操作。
論文地址：https://arxiv.org/abs/2308.07931
具體來說，該研究提出了一種用于 6-DOF 抓取和放置的小樣本學習方法，并利用強大的空間和語義先驗泛化到未見過物體上。使用從視覺 - 語言模型 CLIP 中提取的特征，該研究提出了一種通過開放性的自然語言指令對新物體進行操作，并展示了這種方法泛化到未見過的表達和新型物體的能力。
研究團隊用一個講解視頻詳細介紹了 F3RM 方法的技術原理：
 |
| 商用機器人 Disinfection Robot 展廳機器人 智能垃圾站 輪式機器人底盤 迎賓機器人 移動機器人底盤 講解機器人 紫外線消毒機器人 大屏機器人 霧化消毒機器人 服務機器人底盤 智能送餐機器人 霧化消毒機 機器人OEM代工廠 消毒機器人排名 智能配送機器人 圖書館機器人 導引機器人 移動消毒機器人 導診機器人 迎賓接待機器人 前臺機器人 導覽機器人 酒店送物機器人 云跡科技潤機器人 云跡酒店機器人 智能導診機器人 |
