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
storymania ai story generator
与AI -Power的平台与Storymania进行工艺吸引人的故事，旨在协助各个级别的作家。在干净，无广告的环境中享受无缝的编辑和类型定制。在创纪录...
algomo
对Algomo的效率和满意度最大化 - 一种由生成AI提供支持的客户服务解决方案。此用户友好的机器人在短短4分钟内自动提供对您网站的支持，并在必要时解...
rundiffusion
Rundiffusion是针对各种规模的组织的全面管理的开源AI工具。它包括在云中稳定的扩散，自动化，Invokeai，comfyui，fooocus...
Next.js
Next.js 是一个用于构建现代 React 应用程序的框架。它提供了许多功能和优势，包括服务器渲染、静态生成、热模块替换等。Next.js 的定价...
Grimo
Grimo 是一个高效的 AI 文本编辑器，结合最新的 AI 模型，如 DeepSeek R1 和 OpenAI GPT-4，致力于提升用户的写作体验...
SoundHound
SoundHound是一个独立的语音AI平台，它通过革命性的语音理解能力和简洁的响应方式，帮助企业提升客户体验、增强品牌价值，并创建深度个性化的体验。...
AI Cover Letter Creator
AI求职助手是一款使用人工智能技术生成个性化求职信的工具。用户只需提供自己的简历和职位描述，AI求职助手将自动生成定制的求职信。该工具提供方便快捷的方...
TableGPT2
TableGPT2是一个大型多模态模型，专门针对表格数据进行预训练和微调，以解决实际应用中表格数据整合不足的问题。该模型在超过593.8K的表格和2....
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。
