
近日,一項關(guān)于利用大型語言模型(llm)進行航天器自主控制的研究引起關(guān)注。研究人員通過模擬競賽的方式,測試了chatgpt在航天器操控方面的表現(xiàn)。結(jié)果顯示,chatgpt在自主航天器模擬競賽中取得了第二名的優(yōu)異成績,僅次于一個基于不同方程的模型。這一成果不僅展示了llm在航天領(lǐng)域的應(yīng)用潛力,也為未來的航天自主系統(tǒng)開發(fā)提供了新的思路。
隨著航天技術(shù)的不斷發(fā)展,衛(wèi)星數(shù)量不斷增加,未來人類將無法手動控制所有衛(wèi)星。此外,在深空探測中,光速的限制使得我們無法實時直接控制航天器。因此,開發(fā)能夠自主進行決策的機器人系統(tǒng)成為航天領(lǐng)域的重要發(fā)展方向。為了推動相關(guān)技術(shù)的創(chuàng)新,近年來航空航天研究人員創(chuàng)建了基于熱門游戲《坎巴拉太空計劃》的“坎巴拉太空計劃微分博弈挑戰(zhàn)賽”。這一挑戰(zhàn)賽為研究人員提供了一個相對真實的環(huán)境,用于設(shè)計、實驗和測試自主系統(tǒng)。競賽包括多種場景,例如追逐和攔截衛(wèi)星的任務(wù),以及躲避探測的任務(wù)。
在即將發(fā)表于《空間研究進展》雜志的一篇論文中,一個國際研究團隊介紹了他們的參賽方案:一款商業(yè)化的llm,類似于chatgpt和llama。研究人員選擇使用llm的原因在于,傳統(tǒng)的自主系統(tǒng)開發(fā)方法需要經(jīng)過多次訓(xùn)練、反饋和優(yōu)化,而坎巴拉挑戰(zhàn)賽的使命是盡可能真實地模擬現(xiàn)實情況,這意味著任務(wù)可能僅持續(xù)數(shù)小時,因此持續(xù)優(yōu)化模型是不切實際的。相比之下,llm已經(jīng)在大量人類文本上進行了訓(xùn)練,因此在最佳情況下,它們只需要經(jīng)過少量的精心提示詞工程和幾次嘗試,就能為特定情境找到合適的上下文。
據(jù)it之家了解,為了使llm能夠?qū)嶋H操控航天器,研究人員開發(fā)了一種方法,將航天器的狀態(tài)和目標(biāo)以文本形式進行描述,并將其傳遞給llm,請求其提供關(guān)于如何調(diào)整和操縱航天器的建議。隨后,研究人員開發(fā)了一個轉(zhuǎn)換層,將llm基于文本的輸出轉(zhuǎn)換為能夠操作模擬航天器的功能代碼。通過一系列簡單的提示詞和一些微調(diào),研究人員成功讓chatgpt完成了挑戰(zhàn)中的許多測試任務(wù),并最終在競賽中獲得第二名。
值得注意的是,這些研究工作是在chatgpt最新的4.0版本發(fā)布之前完成的。盡管如此,llm在航天領(lǐng)域的應(yīng)用仍面臨諸多挑戰(zhàn),尤其是避免“幻覺”(即無意義的、不合理的輸出)的問題。在現(xiàn)實場景中,這種錯誤輸出可能會帶來災(zāi)難性的后果。然而,這一研究結(jié)果仍然充分展示了即使是現(xiàn)成的llm,在吸收了大量人類知識后,也能以意想不到的方式被應(yīng)用于實際工作中。
golang 實現(xiàn)單機版 MapReduce
了解MapReduce 基本原理后,再來通過一個簡單的word count 例子,來描述MapReduce 的使用方法,代碼如下:/ The mapping function is called once for each piece of the input.// In this framework, the key is the name of the file that is being processed,// and the value is the file's cont還有呢?
Reduce 要向每個Map 去拖取數(shù)據(jù),在內(nèi)存中每個Map 對應(yīng)一塊數(shù)據(jù),當(dāng)內(nèi)存中存儲的Map 數(shù)據(jù)占用空間達到一定程度的時候,開始啟動內(nèi)存中merge,把內(nèi)存中的數(shù)據(jù)merge 輸出到磁盤上一個文件中_-。如果在內(nèi)存中不能放得下這個Map 的數(shù)據(jù)的話,直接把Map 數(shù)據(jù)寫到磁盤上,在本地目錄創(chuàng)建一個文件,從有幫助請點贊_。
Java 大視界——Java 實現(xiàn) MapReduce 編程模型:基礎(chǔ)原理與代碼...
一、MapReduce 編程模型基礎(chǔ)原理:深入核心,洞察本質(zhì)1.1 核心概念精解:奠定堅實理論基石MapReduce 主要包含兩個關(guān)鍵階段:Map 階段和Reduce 階段,它們宛如精密儀器中的關(guān)鍵齒輪,相互協(xié)作推動數(shù)據(jù)處理流程的運轉(zhuǎn)。在Map 階段,數(shù)據(jù)被分割成多個小的數(shù)據(jù)集,由不同的計算節(jié)點并行處理,每個節(jié)點將輸入數(shù)據(jù)轉(zhuǎn)換為還有呢?
Hadoop是Apache軟件基金會下一個開源分布式計算平臺,以HDFS(Hadoop Distributed File System)、MapReduce(Hadoop2.0加入了YARN,Yarn是資源調(diào)度框架,能夠細粒度的管理和調(diào)度任務(wù),還能夠支持其他的計算框架,比如spark)為核心的Hadoop為用戶提供了系統(tǒng)底層細節(jié)透明的分布式基礎(chǔ)架構(gòu)。hdfs的高容錯性、高伸縮性、高效性等優(yōu)點讓用好了吧!
大數(shù)據(jù)技術(shù)深度剖析:Hadoop、Spark 等框架的原理與應(yīng)用場景對比
一、Hadoop框架原理Hadoop是由Apache軟件基金會開發(fā)的開源大數(shù)據(jù)處理框架,主要由兩個核心部分組成:HDFS(Hadoop Distributed File System)和MapReduce。HDFSHDFS是Hadoop的分布式存儲系統(tǒng),它將數(shù)據(jù)分割成多個塊,并在集群中的多個節(jié)點上進行冗余存儲,以保證數(shù)據(jù)的可靠性和容錯性。每個數(shù)據(jù)塊通常為128MB(可以配置),..
一個job 的map 階段MapTask 并行度(個數(shù)),由客戶端提交job 時的切片個數(shù)決定。MapTask 和ReduceTask 工作機制(也可回答MapReduce 工作原理)MapTask 工作機制(1)Read 階段:Map Task 通過用戶編寫的RecordReader,從輸入InputSplit 中解析出一個個key/value。(2)Map 階段:該節(jié)點主要是將說完了-|。
延伸閱讀:與 智能配置《更豐富風(fēng)》云:A9L正式上!市 的相關(guān)文章當(dāng)本科生開始大面積使用 DID 進行研究時, 對經(jīng)濟學(xué)研究這到底意味著什么?什么是金融產(chǎn)品之王? 它背后又有什么秘密?脫口秀演員王小利是怎么做到松弛又幽默的?《女生眼中vs男生眼中》為什么到頭來《浪浪山小妖怪》的四只小妖也沒有說出名字?獨家【功夫定格動畫】耗時兩年半 爆肝十三萬張圖片 全明星手辦重制經(jīng)典 致敬星爺!中國臺灣地區(qū)啟動探月工程,號稱最快 2028 年上太空,臺灣航天實力怎么樣?未來前景如何?虞書欣與華策到期不續(xù)約15歲自學(xué)動畫爆肝5個月,嘗試手繪動畫二創(chuàng)《越獄兔 第六季》王安宇回應(yīng)音樂節(jié)手抖