李菲菲发布了“身体智能”的结果:当连接到一个大型模型时，机器人可以直接理解人的话。近日，斯坦福大学李菲菲团队发布了“身体智能”的最新成果:VoxPoser，即将一个大型模型连接到一个机器人上，将复杂的指令转化为具体的行动计划，使人类可以随意用自然语言向机器人发出指令，机器人不需要额外的数据和训练。
据悉，与需要额外预训练的传统方法相比，这种方法使用一个大模型来指导机器人如何与环境进行交互，因此直接解决了机器人训练数据稀缺的问题。
值得一提的是，这种方法利用视觉语言模型对真实场景中的目标进行感知和分析，比如绕过障碍物，甚至完成开瓶、按下开关、拔掉充电线等复杂操作，无需训练。
去年5月，李菲菲在美国艺术与科学学院杂志Ddalus上发表了一篇文章。他以计算机视觉中的物体识别任务为切入点，研究了ImageNet数据集的开发和相关算法。其中，她提出了计算机视觉发展的三个方向:具身AI、视觉推理和场景理解。
身体智能，从字面上看，就是有“身体”的智能体，顾名思义，是软硬件结合的智能体，即人工智能机器人。同时，由于大模型的盛行，人们普遍将其视为人形机器人与大模型的结合。
对此，李菲菲认为，具身智能不仅仅指人形机器人，任何可以在空间移动的有形智能机器都是人工智能的一种形式。
除了李菲菲，英伟达的创始人黄仁勋、特斯拉的首席执行官马斯克和其他大牌都非常看好智能化的前景。
目前，我国各类机器人发展迅速。在上周的世界人工智能大会上，包括特斯拉擎天柱在内的20多个机器人亮相。与此同时，国内相关算法、大模型、芯片、零部件等产业链相关企业也在机器人领域进行了布局，为体现智能这一新兴概念奠定了基础。
随着ChatGPT流量的下降，人们期待着下一个现象级应用的诞生。借助机器人与大模型的结合等相关技术，未来的具身智能将进入人类生活，真正把人类从繁重的工作中解放出来，势必会掀起新一轮的创新浪潮。"