上一篇
ORMBG是什么？一文让你看懂ORMBG的技术原理、主要功能、应用场景
Cradle是什么？一文让你看懂Cradle的技术原理、主要功能、应用场景
来源：卓商AI
发布时间：2025-04-05
关键字：
Cradle概述简介
Cradle是面向通用计算机控制（General Computer Control, GCC）的多模态AI Agent框架，由昆仑万维携手北京智源人工智能研究院、新加坡南洋理工大学、北京大学等顶尖名校机构推出的通用计算机控制框架，使AI Agent无需训练便能像人一样直接控制键盘鼠标，不依赖任何内部API，实现任意开闭源软件交互。 Cradle是迄今为止第一个既能玩多种商业游戏又能操作各种软件应用的AI框架，其论文、项目、代码均已开源。Cradle的功能特色
信息收集：从屏幕图像和可能的声音中提取多模态信息，用于决策制定。
自我反思：评估先前行动的成功与否，并分析失败原因，以指导后续行动。
任务推断：根据当前环境和历史信息，推断并选择最佳的下一个任务。
技能策划：生成和更新与给定任务相关的技能，以适应不同的计算机操作需求。
动作规划：为键盘和鼠标控制生成具体操作，将策略转化为可执行的命令。
Cradle的技术原理
多模态输入处理：Cradle能接收并处理屏幕图像和音频的多模态输入，模拟人类感知方式理解计算机界面和环境。
信息提取与理解：用大型多模态模型（如GPT-4V）来识别图像中的视觉元素、文本信息和音频中的指令或反馈。
自我反思机制：通过反思模块，Cradle评估之前执行动作是否成功，并分析失败原因，为调整策略提供依据。
任务推断与规划：Cradle通过任务推断模块确定当前的优先任务，并在动作规划模块中制定出新动作完成任务。
技能生成与更新：技能策划模块负责根据当前任务生成新的技能或更新现有技能，技能以代码函数的形式存在，可以被实例化并执行。
记忆与知识管理：Cradle拥有长期和短期记忆系统，存储过去的经验和技能，在需要时进行检索和应用。
Cradle项目介绍
GitHub仓库：https://github.com/BAAI-Agents/Cradle
arXiv技术论文：https://arxiv.org/pdf/2403.03186
Cradle能做什么？
桌面软件自动化：自动化执行桌面软件中的重复性任务，如文档编辑、表格处理、图像编辑等。
网页内容交互：模拟用户与网页的交互，包括填写表单、点击按钮、导航链接等。
游戏环境：在游戏环境中，如Red Dead Redemption II，Cradle可控制游戏角色执行任务、探索环境、战斗等。
专业软件操作：在需要专业技能的软件中，如图形设计或视频编辑软件，Cradle可学习并执行特定的创作任务。
日常计算机任务：执行日常计算机使用中的任务，比如文件管理、电子邮件处理、日程安排等。
© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有，未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
相关文章
-
CHANGER是什么？一文让你看懂CHANGER的技术原理、主要功能、应用场景2025-04-05 -
Kiroku是什么？一文让你看懂Kiroku的技术原理、主要功能、应用场景2025-04-05
-
Vision Search Assistant是什么？一文让你看懂Vision Search Assistant的技术原理、主要功能、应用场景2025-04-05
-
MVDrag3D是什么？一文让你看懂MVDrag3D的技术原理、主要功能、应用场景2025-04-05
-
Chonkie是什么？一文让你看懂Chonkie的技术原理、主要功能、应用场景2025-04-05
-
MSQA是什么？一文让你看懂MSQA的技术原理、主要功能、应用场景2025-04-05
卓商AI
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
NotesGPT
NotesGPT是一款利用人工智能技术将用户的语音笔记转换成有组织的摘要和清晰的行动项的在线服务。它通过先进的语音识别和自然语言处理技术，帮助用户更高...
GPTs
GPTs允许任何人创建定制版本的ChatGPT,以适应特定的用途,比如在日常生活中更有帮助,完成特定的任务,在工作或家中,然后与他人分享自己的创作。G...
Triplex
Triplex是一个创新的开源模型，能够将大量非结构化数据转换为结构化数据，其在知识图谱构建方面的表现超越了gpt-4o，且成本仅为其十分之一。它通过...
elevenlabs
体验具有Elevenlabs的最先进的文本和语音和语音克隆软件。为您的内容生成栩栩如生的画外音，或使用我们的AI语音生成器作为有效的文本读取器。通过我...
Ezsales AI
ezsales.ai是一款智能销售助手，提供销售数据分析、客户管理、销售预测等功能。它可以帮助销售团队提升销售效率，优化销售流程，实现更好的业绩。...
Universal-2
Universal-2是AssemblyAI推出的最新语音识别模型，它在准确度和精确度上超越了前一代Universal-1，能够更好地捕捉人类语言的复...
Grok 3
Grok 3是由Elon Musk的AI公司xAI开发的最新旗舰AI模型。它在计算能力和数据集规模上显著提升，能够处理复杂的数学、科学问题，并支持多模...
SongCleaner
SongCleaner是一个利用人工智能技术来清理歌曲中不适当词汇的平台，它允许用户上传MP3或WAV格式的音频文件，然后通过AI分析和编辑，生成适合...
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
