这是一个有意思的项目，将 GPT-4o 的多模态能力和机器人的抓取能力结合起来。给机器人一个找东西的指令，机器人就可以将看到的画面作为照片传给 GPT-4o，然后 GPT 根据画面生成对机器人的指令，从中抓取目标物体，如果目标被遮挡，甚至能移动遮挡的物体从而找到被遮挡的目标物体。

发布时间: 2024-07-18 12:40:15

1分

数据加载中

关注推特

收听电报

2

1

0

这是一个有意思的项目，将 GPT-4o 的多模态能力和机器人的抓取能力结合起来。给机器人一个找东西的指令，机器人就可以将看到的画面作为照片传给 GPT-4o，然后 GPT 根据画面生成对机器人的指令，从中抓取目标物体，如果目标被遮挡，甚至能移动遮挡的物体从而找到被遮挡的目标物体。
IT技术
( twitter.com )

5个月前由宝玉提交

这是一个有意思的项目，将 GPT-4o 的多模态能力和机器人的抓取能力结合起来。给机器人一个找东西的指令，机器人就可以将看到的画面作为照片传给 GPT-4o，然后 GPT 根据画面生成对机器人的指令，从中抓取目标物体，如果目标被遮挡，甚至能移动遮挡的物体从而找到被遮挡的目标物体。

可以设想一下未来如果在厨房做饭需要某件餐具或者在车库做手工需要某件工具，可以直接给机器人一个指令，就帮你把物品找出来了。

Markdown支持

评论加载中...

您可能感兴趣的：更多

1

2

1

1

这是一个基于 gpt-4o-mini 的开源 OCR 项目，无需任何参数配置，给文件和 api token 就能 work，看视频效果很好啊
时政
( twitter.com)

2个月前 • Justin • -- 点击 • 下载视频 0 评论

00:00:31

2

3

2

2

很有意思的数据，GPT-4o 在TTFT指标上领先，对于实时场景确实有优势。但在TPS 上却比 gemini-1.5-flash 少了那么多。看来GPT-4o在实时场景上做了很多优化。
通俗一点讲就是：GPT-4o 相比gemini-1.5-flash 虽然跑的慢，但可以抢跑啊。
TTFT: Time To First Token
TPS: Tokens Per Second
时政
( twitter.com)

7个月前 • Leo Xiang • -- 点击 0 评论

3

3

2

2

这个测试很有意思：让 Gemini 1.5 Pro 和 GPT-4o 做高考数学题中的选择题填空题，这部分题目满分是 73 分，结果 Gemini 得了 39 分，GPT-4 o 得了 31 分。
Gemini 1.5 Pro得分细目：
- 单项选择题：8题中答对6题，得30分，第6题和第8题答错
- 多项选择题：第10题得4分
- 填空题：第12题得5分
IT技术
( twitter.com)

7个月前 • 宝玉 • -- 点击 0 评论

4

2

1

1

如果没有被灰度到 gpt-4o，可以试试这个 URL：
时政
( chatgpt.com)

7个月前 • 𝙋𝙖𝙨𝙨𝙡𝙪𝙤 • -- 点击 0 评论

5

2

1

1

GPT-4o背后的神仙团队：项目负责人为本科学历，北大/清华/交大/中科大校友在列
大陆资讯
( 36kr.com)

7个月前 • 舔你妹 • -- 点击 0 评论

6

2

1

1

在大家都在翘首以盼 OpenAI 发布 GPT-5 的时候，OpenAI 却只是先后发布了 GPT-4o和 GPT-4o mini，甚至推理能力智能程度还不如当初的 GPT-4，但是这两个新模型不仅支持了多模态，而且参数都要小于 GPT-4，生成速度很快，推理成本也低了很多倍。
这背后，应该是因为新的 GPT-4o
IT技术
( twitter.com)

5个月前 • 宝玉 • -- 点击 0 评论

7

2

1

1

gpt-4o-audio-preview 这个模型的 api 已经出来了，相比 realtime api 我更看好 gpt-4o-audio模型。
1、接入成本低 2、更可控 3、价格也更低。
时政
( twitter.com)

2个月前 • Leo Xiang • -- 点击 0 评论

8

4

3

3

TECH: OpenAI GPT-4o tutoring demonstration
时政
( twitter.com)

7个月前 • The Spectator Index • -- 点击 • 下载视频 0 评论

00:02:49

9

3

2

2

Sam Altman 谈 GPT-4o
Logan：你们今天早些时候发布了一个新产品。
Sam：我们确实发布了。
Logan：多模态 4o？
Sam：是的。
Logan：那是欧米茄符号，对吧？
Sam：哦，就像 Omni。
Logan：对，Omni，不好意思。
Sam：它能跨文本、语音、视觉工作。
Logan：你能解释一下这为什么重要吗？…
IT技术
( twitter.com)

7个月前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:05:03

0.10674 Second , Gzip Enable.本网所有言论均来自网络，不代表本网站立场。联系方式: admin@bad.news

©2012.11.21 bad.news All rights reserved. 社区自动运营第 -- 年零 -- 天
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

关注推特