当旭日X3派遇上ChatGpt

qiaolongLi

分类：ROS2

个人专栏：Originbot

发布时间 2023.02.20阅读数 3405 评论数 1

近日你被 ChatGPT 刷屏了吗？

聊天机器人ChatGPT 仅仅推出两个月，月活跃用户数量已超过一亿，面试成功谷歌三级程序员，可胜任18.3万美元工作，可谓是风头无两。比尔盖茨采访称：其重要性不亚于互联网的发明，将改变我们的世界。

旭日X3派是一款拥有着高算力，面向生态开发者的嵌入式AI开发板，它拥有强大的计算能力和高效的运行效率，可以用于机器人、无人驾驶、智能家居等领域。此外，它还搭载了Together Robotics Operating System，一个基于ROS2优化，可以更高效运用在机器人平台上的机器人系统。

同时，ChatGpt是一款由OpenAI开发的自然语言处理模型。它可以理解人类语言，自动生成文本、回答问题和完成其他任务。ChatGpt可以与其他技术联动，实现更加复杂的应用。

那么旭日X3派遇上ChatGpt会碰撞出什么火花呢？

接下来，我们将使用旭日X3派作为核心算力芯片来驱动OriginBot机器人平台，并在旭日X3派上运行ChatGPT。

询问OriginBot编程问题

1.解释OriginBot小车代码

2、解释运动学模型？

3、使用OpenCV在OriginBot小车上实现巡线功能

4、在ROS2环境中实现gmapping或者cartographer

5、总结对话

综上，我们发现ChatGPT有着记忆储存的功能，它区别于siri传统的一问一答，能根据聊天的上下文进行互动并归纳总结所有的问题，协助我们完成编程。并且ChatGPT在回复消息时是逐字的显示，很难感觉到是和机器人在对话，仿佛它只是个博学的朋友。

它在针对简单编程问题的处理上可谓是非常惊艳，在ROS相关的问题上，比我们人类更有耐心解答，有时会画出重点并扩展更多的相关知识帮助你去解决问题掌握技术。

自己用过后发现虽然好用，但是它给的答案和程序很难保证没有错误，还是要自己看一遍改一下，尤其在问自己也不会的东西的时候，很难发现它的纰漏，会有些心里没底不能放心用，但是用来写报告、给代码加注释之类效率很高。

旭日X3派接入ChatGPT

看完了网页版ChatGtp的强大，我还是感觉不过瘾，既然ChatGPT都能接入微信，那么它肯定也能和旭日X3派连接起来。

不妨我们直接询问ChatGPT，该如何使得旭日X3派和ChatGpt联系起来！

它给了我这样的一个答案。

1、部署基本环境

进入旭日x3派，此处使用的是OriginBot的v1.0.2的镜像。进入后，执行以下命令

pip3 install openai

2、学习openai_api如何使用

此处继续问ChatGpt，应该如何部署。它直接给了我一段代码

import openai

# 将OpenAI访问令牌设置为环境变量
openai.api_key = "YOUR_API_KEY"

# 调用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个标记
    temperature=0.7,
    n=1,
    stop=None,
)

# 输出生成的回答
print(response.choices[0].text)

3、书写节点代码

继续让ChatGpt书写。果不其然，它直接给了我一段代码，并且给了一些注释。


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垃圾回收机制删除

    def listener_callback(self, msg):
        # 处理从ROS话题订阅到的输入
        input_text = msg.data
        # 调用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
        )
        # 将生成的文本发布到ROS话题
        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()

看到这，直呼太强了！

4、部署到旭日X3派中

此处，即可按照古月老师的ROS2 21讲的方式来创建一个基于python的功能包。

5、跑起来

看到这，似乎就和我们想象的不一致了，在上一个问题，我问ChatGpt，如何学习ROS，它告诉了我如何学，再和网页一般输入继续，它回答了我数据结构...等。似乎和我们想的不一样呀。

没关系，接下来的我们自己来改。

再回到这一段代码

import openai

# 将OpenAI访问令牌设置为环境变量
openai.api_key = "YOUR_API_KEY"

# 调用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个标记
    temperature=0.7,
    n=1,
    stop=None,
)

# 输出生成的回答
print(response.choices[0].text)

可以看到，engine指的使用的模型，此处是”text-davinci-002“，prompt是指输入文本，max_tokens指的是最大输出文字。了解这些，我们就可以尽情发挥了。首先，打印出所有的模型，示例代码如下

import openai

# 将OpenAI访问令牌设置为环境变量
openai.api_key = "YOUR_API_KEY"

# 获取OpenAI最新的语言模型名称
models = openai.Model.list()
latest_model = models['data'][0].id

print("最新的OpenAI语言模型是：", latest_model)
print("\n")
printf("所有的模型如下:", models)

细想以下，不如直接去看目前最火的微信接入ChatGpt用的哪个？

再增加理解上下文能力，这不就是Transformer嘛，直接把当前和之前所有的问题和回答都当成输入就好了。

就这样，再ChatGPT和我们的努力下，生成了最终的代码：


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):
        # 处理从ROS话题订阅到的输入
        input_text = msg.data 
        self.history += input_text 
        self.history += " "
        # 调用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
        )
        # 将生成的文本发布到ROS话题
        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()