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。
编辑推荐精选
TRAE编程
AI辅助编程，代码自动修复
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
蛙蛙写作
AI小说写作助手，一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号