地平線旭日?X3派（下文簡(jiǎn)稱旭日X3派）是一款擁有著高算力，面向生態(tài)開(kāi)發(fā)者的嵌入式，可用于機(jī)器人、無(wú)人駕駛、智能家居等領(lǐng)域，并搭載了TogetherROS開(kāi)發(fā)平臺(tái)，可高效進(jìn)行機(jī)器人開(kāi)發(fā)。ChatGPT是一款由OpenAI開(kāi)發(fā)的自然語(yǔ)言處理模型，可以理解人類語(yǔ)言、自動(dòng)生成文本、回答問(wèn)題和完成其他任務(wù)，還可以與其他技術(shù)聯(lián)動(dòng)，實(shí)現(xiàn)更加復(fù)雜的應(yīng)用。
旭日X3派遇上ChatGPT會(huì)碰撞出什么火花呢？本文使用旭日X3派作為載體，在OriginBot上使用ChatGPT進(jìn)行問(wèn)答。相關(guān)問(wèn)題歡迎大家注冊(cè)加入地平線開(kāi)發(fā)者社區(qū)交流討論，配置文件及代碼詳見(jiàn)地平線開(kāi)發(fā)者社區(qū)。

環(huán)境配置

1、解釋OriginBot小車代碼

2、解釋運(yùn)動(dòng)學(xué)模型

3、使用OpenCV在OriginBot小車上實(shí)現(xiàn)巡線功能

4、在ROS2環(huán)境中實(shí)現(xiàn)gmapping或者cartographer

5、總結(jié)對(duì)話

綜上，我們發(fā)現(xiàn)ChatGPT有著記憶儲(chǔ)存的功能，它區(qū)別于SiRi傳統(tǒng)的一問(wèn)一答，能根據(jù)聊天的上下文進(jìn)行互動(dòng)并歸納總結(jié)所有的問(wèn)題，協(xié)助我們完成編程。并且ChatGPT在回復(fù)消息時(shí)是逐字的顯示，很難感覺(jué)到是和機(jī)器人在對(duì)話，仿佛它只是個(gè)博學(xué)的朋友。

它在針對(duì)簡(jiǎn)單編程問(wèn)題的處理上可謂是非常驚艷，在ROS相關(guān)的問(wèn)題上，比我們?nèi)祟惛心托慕獯穑袝r(shí)會(huì)畫(huà)出重點(diǎn)并擴(kuò)展更多的相關(guān)知識(shí)幫助你去解決問(wèn)題掌握技術(shù)。

既然ChatGPT都能接入WX，那么它和旭日X3派一定也能「chat」一下！不妨我們直接詢問(wèn)ChatGPT，該如何使得旭日X3派和ChatGPT聯(lián)系起來(lái)！它給了我們這樣的一個(gè)答案：

模型部署

1、部署基本環(huán)境

進(jìn)入旭日X3派，執(zhí)行以下命令（此處使用的是OriginBot v1.0.2的鏡像）：

pip3 install openai

2、學(xué)習(xí)OpenAI API如何使用

import openai # 將OpenAI訪問(wèn)令牌設(shè)置為環(huán)境變量 openai.api_key = "YOUR_API_KEY" # 調(diào)用OpenAI GPT-3模型，生成回答 response = openai.Completion.create( engine="text-davinci-002", prompt="你好！", max_tokens=1024, # 最大1024個(gè)標(biāo)記 temperature=0.7, n=1, stop=None, ) # 輸出生成的回答 print(response.choices[0].text)

3、書(shū)寫(xiě)節(jié)點(diǎn)代碼

import rclpy from rclpy.node import Node from std_msgs.msg import String import openai class OpenAINode(Node): def __init__(self): super().__init__('openai_node') self.publisher_ = self.create_publisher(String, 'openai_text', 10) self.subscription = self.create_subscription( String, 'user_input', self.listener_callback, 10) self.subscription # 防止被Python垃圾回收機(jī)制刪除 def listener_callback(self, msg): # 處理從ROS話題訂閱到的輸入 input_text = msg.data # 調(diào)用OpenAI的GPT-3模型生成文本 openai.api_key = 'YOUR_API_KEY' response = openai.Completion.create( engine="davinci", prompt=input_text, max_tokens=60, n=1, stop=None, temperature=0.7 ) # 將生成的文本發(fā)布到ROS話題 self.publisher_.publish(response.choices[0].text) def main(args=None): rclpy.init(args=args) openai_node = OpenAINode() rclpy.spin(openai_node) openai_node.destroy_node() rclpy.shutdown() if __name__ == '__main__': main()

4、部署到旭日X3派中

此處，即可按照古月老師的ROS2 21講的方式來(lái)創(chuàng)建一個(gè)基于python的功能包。

5、程序運(yùn)行

可以看到，此處運(yùn)行狀態(tài)與理想情況有較大出入。回到這一段代碼：

import openai # 將OpenAI訪問(wèn)令牌設(shè)置為環(huán)境變量 openai.api_key = "YOUR_API_KEY" # 調(diào)用OpenAI GPT-3模型，生成回答 response = openai.Completion.create( engine="text-davinci-002", prompt="你好！", max_tokens=1024, # 最大1024個(gè)標(biāo)記 temperature=0.7, n=1, stop=None, ) # 輸出生成的回答 print(response.choices[0].text)

當(dāng)前，engine使用的模型，此處是”text-davinci-002“，prompt是指輸入文本，max_tokens指的是最大輸出文字。首先，打印出所有的模型，示例代碼如下：

import openai # 將OpenAI訪問(wèn)令牌設(shè)置為環(huán)境變量 openai.api_key = "YOUR_API_KEY" # 獲取OpenAI最新的語(yǔ)言模型名稱 models = openai.Model.list() latest_model = models['data'][0].id print("最新的OpenAI語(yǔ)言模型是：", latest_model) print("\n") printf("所有的模型如下:", models)

與當(dāng)前WX接入ChatGPT方式進(jìn)行對(duì)照發(fā)現(xiàn)，可將其理解為Transformer模型，直接把當(dāng)前和之前所有的問(wèn)題和回答都當(dāng)成輸入，生成最終的代碼：

import rclpy from rclpy.node import Node from std_msgs.msg import String import openai class OpenAINode(Node): def __init__(self): super().__init__('openai_node') self.publisher_ = self.create_publisher(String, 'chatgpt_node', 10) self.subscription = self.create_subscription( String, 'user_input', self.listener_callback, 10) self.history = "" def listener_callback(self, msg): # 處理從ROS話題訂閱到的輸入 input_text = msg.data self.history += input_text self.history += " " # 調(diào)用OpenAI的GPT-3模型生成文本 openai.api_key = 'KEY' #models = openai.Model.list() #latest_model = models['data'][0].id #print(models) response = openai.Completion.create( engine="text-davinci-003", prompt=self.history+input_text, max_tokens=1024, n=1, stop=None, temperature=0.7 ) # 將生成的文本發(fā)布到ROS話題 msg = String() msg.data = response.choices[0].text print(msg.data) self.history += msg.data self.history += " " def main(args=None): rclpy.init(args=args) chatgpt_node = OpenAINode() rclpy.spin(chatgpt_node) chatgpt_node.destroy_node() rclpy.shutdown() if __name__ == '__main__': main()

效果如下：

本文轉(zhuǎn)自地平線發(fā)者社區(qū)
原作者：Lxxxb