VoxPoser

说句话，机器人就能干活，无需训练直接上手

VoxPoser 是一个将大语言模型（LLM）与机器人操作相结合的框架，旨在让机器人仅通过自然语言指令就能完成复杂的物理操作任务。它解决了传统机器人编程需要专业代码或大量演示数据的问题，核心能力是构建可组合的3D价值图（3D Value Maps），将语言指令转化为机器人可执行的轨迹。用户只需输入如“把红色方块放到蓝色盒子里”这样的指令，VoxPoser 会利用 LLM 的常识推理和场景理解，生成一系列操作步骤，并映射到3D空间中的价值分布，引导机器人完成抓取、移动、放置等动作。整个过程无需额外训练或微调，直接利用预训练模型，具有较好的泛化性和可解释性。