谷歌发布5620亿参数多模态模型PaLM-E，机器人操控无所不能

大数据文摘授权转载自夕小瑶的卖萌屋作者：CoCo酱ChatGPT已经是大模型的天花板了吗？不！没有做不到，只有想不到。谷歌出手，果然不会让人失望！谷歌悄悄上线了一个炸弹级模型——足足有5620亿参数！PaLM-E 将真实世界的传感器信号与文本输入相结合，建立语言和感知的链接。规模最大的模型“PaLM-E-562B”具有562B个参数，将540B的PaLM和22B的ViT集成在一起，这是目前报道的最大的视觉-语言模型。模型输入包括视觉、连续状态估计值和文本输入。作者在多个任务（包括顺序机器人操作规划、视觉问答和字幕生成）中进行了端到端的训练，并通过评估表明，其模型能够有效地解决各种推理任务，并且在不同的观察模态和多个实体上表现出了积极的转移。该模型在进行机器人任务训练的同时，还具有先进的视觉-语言任务表现，并随着规模的增大保持了 ………………………………