財(cái)聯(lián)社3月13日訊（編輯 牛占林）當(dāng)?shù)貢r(shí)間周三，谷歌宣布推出兩款基于Gemini 2.0的新型人工智能(AI)模型，旨在開(kāi)發(fā)更靈活、可互動(dòng)的機(jī)器人，有望推動(dòng)機(jī)器人在更多場(chǎng)景中的應(yīng)用和普及。
谷歌表示，最新的AI模型是為各種形狀的機(jī)器人設(shè)計(jì)的，包括人形機(jī)器人和工廠、倉(cāng)庫(kù)中使用的其他類型的機(jī)器人。
據(jù)谷歌介紹，其中一款名為Gemini Robotics，是一款視覺(jué)-語(yǔ)言-行動(dòng)模型，能夠通過(guò)物理動(dòng)作輸出結(jié)果，使機(jī)器人可以理解自然語(yǔ)言指令并執(zhí)行復(fù)雜任務(wù)。更簡(jiǎn)單的說(shuō)，Gemini Robotics可以聽(tīng)懂人類的語(yǔ)言，然后執(zhí)行相應(yīng)的命令。
另一款名為Gemini Robotics-ER，是一個(gè)專注于空間推理的視覺(jué)-語(yǔ)言模型，能夠幫助機(jī)器人更好地理解周?chē)h(huán)境，并支持開(kāi)發(fā)者利用其推理能力運(yùn)行自己的程序。
谷歌DeepMind工程師Kanishka Rao表示，谷歌將Gemini模型應(yīng)用于機(jī)器人，正在推動(dòng)機(jī)器人技術(shù)向更智能、更通用的方向發(fā)展。“我們的世界非常復(fù)雜、動(dòng)態(tài)且豐富，我認(rèn)為通用智能機(jī)器人需要能夠應(yīng)對(duì)這種復(fù)雜性�！�
與此同時(shí)，包括Meta、特斯拉和OpenAI等巨頭均加大了在機(jī)器人領(lǐng)域的研發(fā)工作，許多初創(chuàng)公司也在機(jī)器人領(lǐng)域嶄露頭角，例如，F(xiàn)igure AI和Skild AI等，它們的估值都達(dá)到了數(shù)十億美元。
在預(yù)先錄制的演示視頻中，谷歌研究人員展示了運(yùn)行其技術(shù)的機(jī)器人如何響應(yīng)簡(jiǎn)單指令。其中一臺(tái)機(jī)器人站在一堆字母拼圖前，在訓(xùn)練員要求它拼出一個(gè)單詞時(shí)，它拼出了“Ace”。
工程師們還在實(shí)驗(yàn)室里搭建了一個(gè)迷你玩具籃球場(chǎng)，另一臺(tái)機(jī)器人在被要求完成扣籃動(dòng)作時(shí)，將一個(gè)小塑料球按進(jìn)了籃筐。
Rao聲稱：“當(dāng)我們第一次看到機(jī)器人扣籃時(shí)，整個(gè)團(tuán)隊(duì)都非常興奮。這是因?yàn)闄C(jī)器人從來(lái)沒(méi)有見(jiàn)過(guò)任何與籃球有關(guān)的東西。它是通過(guò)Gemini理解了籃網(wǎng)的外觀以及‘扣籃’這個(gè)詞的含義，并能把它們聯(lián)系起來(lái)，然后在現(xiàn)實(shí)世界中完成這項(xiàng)任務(wù)。”
不過(guò)，谷歌強(qiáng)調(diào)這項(xiàng)工作仍處于“早期探索”階段。DeepMind研究員Vikas Sindhwani表示，Gemini模型是在對(duì)物理環(huán)境中的“常識(shí)性安全”有深刻理解的基礎(chǔ)上開(kāi)發(fā)的。
他還提到，谷歌計(jì)劃逐步部署這些機(jī)器人，最初將它們放置在與人類保持安全距離的位置，隨著時(shí)間推移，在安全性能不斷提升的情況下，逐漸增加其互動(dòng)性和協(xié)作性。
（財(cái)聯(lián)社 牛占林）
