財聯(lián)社3月13日訊（編輯 牛占林）當(dāng)?shù)貢r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，旨在開發(fā)更靈活、可互動的機(jī)器人，有望推動機(jī)器人在更多場景中的應(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)計的，包括人形機(jī)器人和工廠、倉庫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-語言-行動模型，能夠通過物理動作輸出結(jié)果，使機(jī)器人可以理解自然語言指令并執(zhí)行復(fù)雜任務(wù)。更簡單的說，Gemini Robotics可以聽懂人類的語言，然后執(zhí)行相應(yīng)的命令。
另一款名為Gemini Robotics-ER，是一個專注于空間推理的視覺-語言模型，能夠幫助機(jī)器人更好地理解周圍環(huán)境，并支持開發(fā)者利用其推理能力運行自己的程序。
谷歌DeepMind工程師Kanishka Rao表示，谷歌將Gemini模型應(yīng)用于機(jī)器人，正在推動機(jī)器人技術(shù)向更智能、更通用的方向發(fā)展�！拔覀兊氖澜绶浅�(fù)雜、動態(tài)且豐富，我認(rèn)為通用智能機(jī)器人需要能夠應(yīng)對這種復(fù)雜性�！�
與此同時，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行其技術(shù)的機(jī)器人如何響應(yīng)簡單指令。其中一臺機(jī)器人站在一堆字母拼圖前，在訓(xùn)練員要求它拼出一個單詞時，它拼出了“Ace”。
工程師們還在實驗室里搭建了一個迷你玩具籃球場，另一臺機(jī)器人在被要求完成扣籃動作時，將一個小塑料球按進(jìn)了籃筐。
Rao聲稱：“當(dāng)我們第一次看到機(jī)器人扣籃時，整個團(tuán)隊都非常興奮。這是因為機(jī)器人從來沒有見過任何與籃球有關(guān)的東西。它是通過Gemini理解了籃網(wǎng)的外觀以及‘扣籃’這個詞的含義，并能把它們聯(lián)系起來，然后在現(xiàn)實世界中完成這項任務(wù)�！�
不過，谷歌強調(diào)這項工作仍處于“早期探索”階段。DeepMind研究員Vikas Sindhwani表示，Gemini模型是在對物理環(huán)境中的“常識性安全”有深刻理解的基礎(chǔ)上開發(fā)的。
他還提到，谷歌計劃逐步部署這些機(jī)器人，最初將它們放置在與人類保持安全距離的位置，隨著時間推移，在安全性能不斷提升的情況下，逐漸增加其互動性和協(xié)作性。
（財聯(lián)社 牛占林）
