谷歌 DeepMind 推出两款新型 AI 模型，旨在帮助机器人完成更多现实世界中的任务

近日谷歌 DeepMind 推出两款新型 AI 模型，旨在帮助机器人完成更多现实世界中的任务。

其中一款名为 Gemini Robotics，是一款视觉语言行动模型，能够使机器人在没有进行过专门训练的情况下理解新的情境。

Gemini Robotics 基于谷歌最新版本的 AI 旗舰模型 ——Gemini 2.0。谷歌 DeepMind 机器人部门高级总监 Carolina Parada 曾表示，Gemini Robotics 依托 Gemini 的多模态世界理解能力，通过加入物理行动的新模态，将其应用到现实世界中。

该模型在谷歌 DeepMind 认为构建高效机器人所需的三大核心领域取得了进展：通用性、互动性和灵活性。除了能够应对新的情境外，Gemini Robotics 在与人类及环境的互动上表现更好，且能够执行更精确的物理操作，比如折纸或打开瓶盖。

另一款则是 Gemini Robotics-ER（具象推理）模型，公司称其为一种先进的视觉语言模型，能够“理解复杂且动态的世界”。

Parada 进一步解释道，当你在装便当盒时，桌上的物品摆放位置和如何操作是你必须考虑的内容。Gemini Robotics-ER 正是为此类推理任务而设计，机器人专家可通过该模型与现有的低级控制系统对接，开启由 Gemini Robotics-ER 驱动的新功能。

谷歌 DeepMind 的研究员 Vikas Sindhwani 表示，公司正在开发一种“分层安全策略”，并称 Gemini Robotics-ER 模型已被训练用于评估在特定情况下某个动作是否安全。公司还发布了新的基准和框架，推动 AI 领域的安全研究。据IT之家了解，去年，谷歌 DeepMind 推出了“机器人宪法”，这是一套受艾萨克・阿西莫夫启发的机器人行为规范。

据外媒 The Verge，谷歌 DeepMind 与 Apptronik 合作，共同致力于“打造下一代人形机器人”。此外，谷歌还向包括 agile Robots、Agility Robotics、波士顿动力和 Enchanted Tools 在内的“受信任的测试者”开放了 Gemini Robotics-ER 模型。Parada 表示：“我们专注于打造能够理解物理世界并在其中行动的智能，我们非常期待将这一技术应用于多个领域和多种表现形式。”