Project Icon

JARVIS-1

开放世界中具备多模态记忆的多任务智能体

JARVIS-1通过多模态输入和人类指令实现复杂任务的规划和执行,在开放世界的Minecraft中表现出强大的功能。该智能体结合预训练多模态语言模型与实际游戏经验,将视觉观察和文本指令转化为执行计划,并利用多模态记忆进行规划。JARVIS-1能完成超过200种任务,从砍树等短期任务到获取钻石镐等长期任务,均表现卓越。项目仅在Linux上运行,依赖多个相关项目如STEVE-1和Minedojo。

JARVIS-1 项目介绍

项目背景

JARVIS-1 是一个为开放世界设计的多任务虚拟助手,它能够用人类类似的方式进行计划和控制。这一项目为提升多功能通用智能体的性能奠定了重要的里程碑。JARVIS-1 可以接收多种模式输入(如视觉观察和人类指令),产生复杂计划,然后实施具体行动。该项目以广受欢迎但极具挑战性的沙盒游戏《Minecraft》为背景平台。

技术实现

多模态语言模型

JARVIS-1 构建于预训练的多模态语言模型之上,这些模型可以将视觉观察和文字指令转化为具体方案,最终这些方案会传递给目标置条件控制器,以执行任务。

多模态记忆

为了提升计划能力,JARVIS-1 配备了多模态记忆装置,这使得它能够在使用预训练知识的同时,结合自身在游戏中的实际生存经验,进行更加智能化的决策。

项目能力

JARVIS-1 是目前 Minecraft 中最通用的智能体之一,具备完成超过 200 种不同任务的能力,控制和观察空间接近人类。这些任务可以是短期的,比如“砍树”;也可以是长期的,比如“获得钻石镐”。在短期任务中,JARVIS-1 的表现几乎完美。在经典的长期任务“获得钻石镐”上,JARVIS-1 的可靠性超过现有最先进的智能体五倍,可以成功完成更加长期和具挑战性的任务。

使用说明

JARVIS-1 目前仅支持在 Linux 平台上运行。用户需要使用 Anaconda 管理环境,准备好 JDK 8,并确保一些基本软件依赖已被安装。为了安装 JARVIS-1,需要执行一系列命令来创建虚拟环境、下载权重文件和安装包等。

当一切准备就绪,用户可以通过命令启动 JARVIS-1 智能体并观察其执行任务的过程。

当前限制与未来计划

目前,JARVIS-1 移除了自检模块,仅保留语言模型部分供用户体验。项目团队计划在未来增加多模态描述器以及学习模块,从而提升 JARVIS-1 理解视觉世界和自我改善的能力。

相关项目

JARVIS-1 的实现构建在若干 Minecraft 相关项目的基础上,包括 STEVE-1 和 Minedojo。其中,STEVE-1 是一个为 Minecraft 调整的人机交互预训练模型,Minedojo 是一个开放模拟平台,为 Minecraft 智能体研究提供了丰富的任务支持。MC-TextWorld 项目也在早期版本的 JARVIS-1 中被用来积累语言记忆。

总结

JARVIS-1 致力于在开放世界中实现更高效的人机交互和智能任务执行,其创新的多模态语言模型和记忆系统使其在游戏中表现出色。随着未来模块的释放和不断优化,JARVIS-1 将具备更加强大的功能。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号