3 月 12 日消息，北京時間今晚，谷歌 DeepMind 推出兩款新型 AI 模型，旨在幫助機器人完成更多現實世界中的任務。

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 旗艦模型 ——Gemini 2.0。谷歌 DeepMind 機器人部門高級總監 Carolina Parada 曾表示，Gemini Robotics 依托 Gemini 的多模態世界理解能力，通過加入物理行動的新模態，將其應用到現實世界中。

該模型在谷歌 DeepMind 認為構建高效機器人所需的三大核心領域取得了進展：通用性、互動性和靈活性。除了能夠應對新的情境外，Gemini Robotics 在與人類及環境的互動上表現更好，且能夠執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“理解復雜且動態的世界”。

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容。Gemini Robotics-ER 正是為此類推理任務而設計，機器人專家可通過該模型與現有的低級控制系統對接，開啟由 Gemini Robotics-ER 驅動的新功能。

谷歌 DeepMind 的研究員 Vikas Sindhwani 表示，公司正在開發一種“分層安全策略”，并稱 Gemini Robotics-ER 模型已被訓練用于評估在特定情況下某個動作是否安全。公司還發布了新的基準和框架，推動 AI 領域的安全研究。據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?阿西莫夫啟發的機器人行為規范。

據外媒 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應用于多個領域和多種表現形式。”

【來源：IT之家】