3月12日讯 北京时间昨晚，谷歌DeepMind公司发布了两款创新性AI模型，旨在推动机器人技术在现实应用场景中的能力提升。
其中，Gemini Robotics作为一款先进的视觉语言行动模型，突破了传统机器人需要大量专门训练才能适应新情境的限制。该技术使机器能够更灵活地理解和应对未知环境。
值得注意的是，Gemini Robotics基于谷歌最新发布的AI旗舰产品——Gemini 2.0构建而成。DeepMind机器人部门高级总监Carolina Parada指出，这一模型通过整合物理行动的新模态，充分发挥了Gemini在多模态世界理解方面的优势。
据研究团队介绍，该模型在通用性、互动性和灵活性这三个关键领域实现了显著突破。除了具备处理新情境的能力外，Gemini Robotics还展现了更出色的与人类及环境交互能力，并能完成更高精度的操作任务，例如折纸和开启瓶盖等复杂动作。
另一款名为Gemini Robotics-ER（具象推理）的模型，则专注于复杂动态环境的理解。该技术通过强化机器人的场景分析和决策能力，进一步拓展了AI在机器人领域的应用边界。
Carolina Parada举例说明，在进行便当盒装填时，机器人需要综合考虑桌面上物品的位置关系以及操作方式等多维度因素。Gemini Robotics-ER正是为解决这类复杂的推理任务而设计，研究人员可将其与现有的低级别控制系统相结合，开发出更多智能化功能。
此外，DeepMind团队还在安全策略方面进行了深入探索。据研究人员Vikas Sindhwani介绍，公司正在开发一套分层安全评估体系，以确保机器人的行为符合预设的安全标准。值得注意的是，去年DeepMind还推出了一套受阿西莫夫机器人学原理启发的”机器人宪法”，为AI技术的发展设立了伦理规范。
据国外媒体报道，DeepMind已与Apptronik达成合作，共同推进新一代人形机器人的研发。同时，谷歌还向Agile Robots、Agility Robotics、波士顿动力和Enchanted Tools等多家知名机构开放了技术授权。这些举措将加速AI技术在机器人领域的落地应用。
相关文章
