北京時間昨晚，谷歌 DeepMind 推出兩款新型 AI 模型，旨在幫助機(jī)器人完成更多現(xiàn)實世界中的任務(wù)。
其中一款名為 Gemini Robotics，是一款視覺語言行動模型，能夠使機(jī)器人在沒有進(jìn)行過專門訓(xùn)練的情況下理解新的情境。
Gemini Robotics 基于谷歌最新版本的 AI 旗艦?zāi)Ｐ?——Gemini 2.0。谷歌 DeepMind 機(jī)器人部門高級總監(jiān) Carolina Parada 曾表示，Gemini Robotics 依托 Gemini 的多模態(tài)世界理解能力，通過加入物理行動的新模態(tài)，將其應(yīng)用到現(xiàn)實世界中。
該模型在谷歌 DeepMind 認(rèn)為構(gòu)建高效機(jī)器人所需的三大核心領(lǐng)域取得了進(jìn)展：通用性、互動性和靈活性。除了能夠應(yīng)對新的情境外，Gemini Robotics 在與人類及環(huán)境的互動上表現(xiàn)更好，且能夠執(zhí)行更精確的物理操作，比如折紙或打開瓶蓋。
另一款則是 Gemini Robotics-ER（具象推理）模型，公司稱其為一種先進(jìn)的視覺語言模型，能夠“理解復(fù)雜且動態(tài)的世界”。
Parada 進(jìn)一步解釋道，當(dāng)你在裝便當(dāng)盒時，桌上的物品擺放位置和如何操作是你必須考慮的內(nèi)容。Gemini Robotics-ER 正是為此類推理任務(wù)而設(shè)計，機(jī)器人專家可通過該模型與現(xiàn)有的低級控制系統(tǒng)對接，開啟由 Gemini Robotics-ER 驅(qū)動的新功能。
谷歌 DeepMind 的研究員 Vikas Sindhwani 表示，公司正在開發(fā)一種“分層安全策略”，并稱 Gemini Robotics-ER 模型已被訓(xùn)練用于評估在特定情況下某個動作是否安全。公司還發(fā)布了新的基準(zhǔn)和框架，推動 AI 領(lǐng)域的安全研究。據(jù)IT之家了解，去年，谷歌 DeepMind 推出了“機(jī)器人憲法”，這是一套受艾薩克 阿西莫夫啟發(fā)的機(jī)器人行為規(guī)范。
據(jù)外媒 The Verge，谷歌 DeepMind 與 Apptronik 合作，共同致力于“打造下一代人形機(jī)器人”。此外，谷歌還向包括 Agile Robots、Agility Robotics、波士頓動力和 Enchanted Tools 在內(nèi)的“受信任的測試者”開放了 Gemini Robotics-ER 模型。Parada 表示：“我們專注于打造能夠理解物理世界并在其中行動的智能，我們非常期待將這一技術(shù)應(yīng)用于多個領(lǐng)域和多種表現(xiàn)形式。” 
