谷歌 DeepMind 推出新 AI 模型，機器人未經(jīng)訓(xùn)練也能執(zhí)行現(xiàn)實任務(wù)

 　　北京時間昨晚，谷歌 DeepMind 推出兩款新型 AI 模型，旨在幫助機器人完成更多現(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，能夠使機器人在沒有進行過專門訓(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 認為構(gòu)建高效機器人所需的三大核心領(lǐng)域取得了進展：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的視覺語言模型，能夠“理解復(fù)雜且動態(tài)的世界”。

　　Parada 進一步解釋道，當你在裝便當盒時，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“機器人憲法”，這是一套受艾薩克 阿西莫夫啟發(fā)的機器人行為規(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。”