什么是 Robot GPT

ChatGPT 为人工智能提供了语言载体，人形机器人将提供物质载体，实现人工智能从“想 到”“说到”到“做到”的跨越。根据钛媒体，全球首家 5G 云端智能机器人运营商达闼机器人公司 即将推出首个机器人制造领域的多模态认知大模型，名为 RobotGPT。其创始人、CEO 黄晓庆表示， 如果把谷歌 DeepMind 推出的“阿尔法狗”（AlphaGo）当作人工智能的原子弹的话，ChatGPT 是 AI 领域的氢弹，作为“两弹一星”的星，云端智能机器人则是人工智能时代的运载火箭，人工智能的 载体，将成为第四次工业革命的最重要标志。

ChatGPT 本质是文字接龙，基于 ChatGPT 模型思路可构建 RobotGPT 框架。根据斯坦福 大学 2023 年最新论文《RobotGPT: From ChatGPT to Robot Intelligence》，基于和 ChatGPT 类似 的工作原理构建了 RobotGPT 的框架。根据 Open AI 官方对 ChatGPT 原理介绍，ChatGPT 是在 GPT （Generative Pre-training Transformer）模型的基础上通过改进优化得到的。GPT 是一种大 型语言模型，能够生成各种不同的文本类型。GPT 模型思路是让 AI 在通用的、海量的数据上学习 文字接龙，即掌握基于前文内容生成后续文本的能力。然后人类引导接龙方向即有监督训练初始模 型，对特定问题告诉 AI 人类认可的答案。

Reward 模型进行强化学习，进一步优化 ChatGPT 的输出质量。根据 Open AI 官方对 ChatGPT 原理介绍，第二步训练 Reward 模型，人的时间精力有限，但 AI 的精力是无限的，研究 人员让 GPT 对特定问题给出多个答案，由人类来对这些答案的好坏做排序，基于这些评价数据， 研究人员训练了一个符合人类评价标准的 Reward 模型。第三步基于 reward 模型使用 PPO 强化学 习优化 GPT 模型，即 AI 基于评分去调整参数以便在下次问答中获得更高分。

RobotGPT 的原理可理解为由 ChatGPT 的文字-文字接龙，变为了文字/语言/各类传感器 接收的信号-动作接龙。根据《RobotGPT: From ChatGPT to Robot Intelligence》，人的八大智能包 括语言智能、数学逻辑智能、空间智能、人际智能、内省智能、音乐智能、身体运动智能、自然认 知智能，机器人实现不同的智能需配备不同传感器、自然语言处理能力和人工智能算法。在设计的 RobotGPT 框架图，思路类似于 ChatGPT，同样是通过深度学习和强化学习构建端对端 AI 大模型。

目前 ChatGPT 是单模态，RobotGPT 需要多模态模型。根据钛媒体报道，达闼机器人公 司 CEO 黄晓庆表示，ChatGPT 的出现，恰恰证明机器人需要一个云端大脑。因为 ChatGPT 是不 可能装在一个小小的计算机里的，它必须装在一个云里面，变成个云服务。ChatGPT 目前本身是单 模态的，所以它无法支持机器人。而基于多模态的人工智能大模型要能够支持多模态，文字、语言、 视觉、运动都要支持，这就是我们在做的 RobotGPT。