来源：财联社
当地时间周三，谷歌宣布推出两款基于Gemini 2.0的新型人工智能（AI）模型，旨在开发更灵活、可互动的机器人，有望推动机器人在更多场景中的应用和普及。
谷歌表示，最新的AI模型是为各种形状的机器人设计的，包括人形机器人和工厂、仓库中使用的其他类型的机器人。
据谷歌介绍，其中一款名为Gemini Robotics，是一款视觉-语言-行动模型，能够通过物理动作输出结果，使机器人可以理解自然语言指令并执行复杂任务。更简单的说，Gemini Robotics可以听懂人类的语言，然后执行相应的命令。
另一款名为Gemini Robotics-ER，是一个专注于空间推理的视觉-语言模型，能够帮助机器人更好地理解周围环境，并支持开发者利用其推理能力运行自己的程序。
谷歌DeepMind工程师Kanishka Rao表示，谷歌将Gemini模型应用于机器人，正在推动机器人技术向更智能、更通用的方向发展。“我们的世界非常复杂、动态且丰富，我认为通用智能机器人需要能够应对这种复杂性。”
与此同时，包括Meta、特斯拉和OpenAI等巨头均加大了在机器人领域的研发工作，许多初创公司也在机器人领域崭露头角，例如，Figure AI和Skild AI等，它们的估值都达到了数十亿美元。
在预先录制的演示视频中，谷歌研究人员展示了运行其技术的机器人如何响应简单指令。其中一台机器人站在一堆字母拼图前，在训练员要求它拼出一个单词时，它拼出了“Ace”。
工程师们还在实验室里搭建了一个迷你玩具篮球场，另一台机器人在被要求完成扣篮动作时，将一个小塑料球按进了篮筐。
Rao声称：“当我们第一次看到机器人扣篮时，整个团队都非常兴奋。这是因为机器人从来没有见过任何与篮球有关的东西。它是通过Gemini理解了篮网的外观以及‘扣篮’这个词的含义，并能把它们联系起来，然后在现实世界中完成这项任务。”
不过，谷歌强调这项工作仍处于“早期探索”阶段。DeepMind研究员Vikas Sindhwani表示，Gemini模型是在对物理环境中的“常识性安全”有深刻理解的基础上开发的。
他还提到，谷歌计划逐步部署这些机器人，最初将它们放置在与人类保持安全距离的位置，随着时间推移，在安全性能不断提升的情况下，逐渐增加其互动性和协作性。
发表评论