谷歌DeepMind在人工智能領域再次邁出重要一步，推出了兩款旨在增強機器人現實世界應用能力的新型AI模型。這一消息在科技界引起了廣泛關注。
其中一款名為Gemini Robotics的模型，融合了視覺、語言和行動能力，使機器人能夠在未經特定訓練的情況下，理解并適應新環境。這一突破性進展得益于Gemini 2.0，谷歌最新的AI旗艦模型。據DeepMind機器人部門的高級總監Carolina Parada介紹，Gemini Robotics通過引入物理行動的新模態，將Gemini的多模態世界理解能力應用到了現實場景中。
Gemini Robotics在構建高效機器人所需的三大核心領域——通用性、互動性和靈活性上取得了顯著進展。它不僅能夠應對各種新情境，還在與人類及環境的互動中表現出色，且能執行更加精細的物理操作，如折紙或開啟瓶蓋等。
另一款模型名為Gemini Robotics-ER（具象推理），它被描述為一種先進的視覺語言模型，能夠“理解復雜且動態的世界”。Parada解釋說，在日常活動中，如裝便當盒時，機器人需要考慮物品的位置和操作步驟，這正是Gemini Robotics-ER所擅長的。機器人專家可以通過該模型與現有的低級控制系統對接，實現由Gemini Robotics-ER驅動的新功能。
DeepMind的研究員Vikas Sindhwani透露，公司正在開發一種“分層安全策略”，并指出Gemini Robotics-ER模型已被訓練用于評估特定情境下動作的安全性。DeepMind還發布了新的基準和框架，以推動AI領域的安全研究。去年DeepMind推出了“機器人憲法”，這是一套受艾薩克·阿西莫夫啟發的機器人行為規范。
在合作方面，DeepMind與Apptronik攜手，共同致力于“打造下一代人形機器人”。同時，DeepMind還向包括Agile Robots、Agility Robotics、波士頓動力和Enchanted Tools在內的多家“受信任的測試者”開放了Gemini Robotics-ER模型。Parada表示：“我們專注于開發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應用于多個領域和多種表現形式。”
