北京時間3月12日晚，谷歌旗下DeepMind團隊宣布推出兩款新型AI模型——?Gemini Robotics?和?Gemini Robotics-ER?，旨在賦予機器人更強大的現實任務處理能力，即便未經專門訓練也能適應新場景。這一突破或將加速智能機器人在日常場景的應用落地。
首款模型?Gemini Robotics?基于谷歌最新多模態大模型Gemini 2.0開發，被定義為“視覺語言行動模型”。其核心能力在于融合物理行動模態，使機器人能實時理解環境并執行操作。例如，完成折紙、擰瓶蓋等精細動作，或在陌生場景中與人類協作。DeepMind機器人部門高級總監Carolina Parada表示，該模型在通用性、互動性和靈活性三大關鍵領域取得進展，能適應多樣化的物理環境。
第二款模型?Gemini Robotics-ER?（具象推理）則專注于復雜動態場景的決策。例如，當機器人需整理桌面物品或打包餐盒時，該模型可分析物體位置、操作順序等邏輯關系，并與底層控制系統聯動完成推理任務。Parada解釋稱，此類模型需“理解并預測動態變化的世界”，其設計目標是為機器人提供類人的環境交互智能。
為確保安全性，DeepMind研究員Vikas Sindhwani透露，團隊開發了分層安全策略，訓練模型自主評估動作風險。此外，公司同步發布了安全研究框架，延續了2023年提出的“機器人憲法”規范。目前，這兩項技術已向波士頓動力、Agility Robotics等合作方開放測試，并與Apptronik聯合推進人形機器人研發。DeepMind表示，未來希望將此類AI智能拓展至工業、家庭服務等多個領域。
原創文章，作者：Google，如若轉載，請注明出處：http://www.bdzhitong.com/article/710066.html
