您尚未登录账户
您的企业账号申请正在审核中
Google DeepMind推出两款新AI模型助力机器人技术
Google DeepMind近日发布了两款新的AI模型，旨在帮助机器人执行更广泛的现实世界任务。其中一款名为Gemini Robotics，这是一款视觉-语言-行动模型，能够理解新情境，即使它之前并未接受过相关训练。
Gemini Robotics基于Google旗舰AI模型Gemini 2.0构建。在新闻发布会上，Google DeepMind机器人部门高级总监Carolina Parada表示，Gemini Robotics通过融合Gemini的多模态世界理解能力，并添加物理行动作为新模态，将其转移到现实世界中。
这款新模型在三个关键领域取得了进展，Google DeepMind认为这些领域对构建有用的机器人至关重要：通用性、交互性和灵巧性。Gemini Robotics不仅能够泛化新场景，还在与人及环境的交互方面表现更佳，同时能执行更精确的物理任务，如折纸或拧开瓶盖。
Parada指出，过去在通用机器人技术中，这三个领域各自取得了进展，但现在通过单一模型，在所有三个领域都实现了性能的显著提升。这使得能够构建出能力更强、响应更快、对环境变化更鲁棒的机器人。
此外，Google DeepMind还推出了Gemini Robotics-ER（具身推理模型），该公司称其为一种先进的视觉语言模型，能够“理解我们复杂且动态的世界”。例如，在打包午餐盒时，该模型需要知道物品的位置、如何打开午餐盒、如何抓取物品以及将它们放在哪里。Gemini Robotics-ER设计为与现有的低级控制器（控制机器人运动的系统）连接，从而启用由该模型驱动的新功能。
在安全性方面，Google DeepMind研究员Vikas Sindhwani告诉记者，公司正在开发一种“分层方法”，并补充说Gemini Robotics-ER模型“被训练来评估在给定场景中执行潜在行动是否安全”。该公司还发布了新的基准和框架，以推动AI行业的安全性研究。去年，Google DeepMind引入了其“机器人宪法”，这是一套受艾萨克·阿西莫夫启发的机器人行为规则。
目前，Google DeepMind正与Apptronik合作“构建下一代仿人机器人”，并向包括Agile Robots、Agility Robotics、Boston Dynamics和Enchanted Tools在内的“受信任测试者”提供Gemini Robotics-ER模型的访问权限。
