谷歌DeepMind本周推出了两个AI模型，旨在使机器人变得比以往更智能。更新后的Gemini Robotics 1.5及其伴侣Gemini Robotics-ER 1.5不再专注于跟随指令，而是让机器人思考问题、在互联网上搜索信息，并在不同的机器人代理之间传递技能。
根据谷歌的说法，这些模型标志着“一个基础性步骤，可以以智能和灵活性应对物理世界的复杂性”。
谷歌在公告中表示：“Gemini Robotics 1.5标志着在物理世界中解决AGI的重要里程碑。通过引入代理能力，我们正在超越仅仅对指令做出反应的模型，创造能够真正推理、规划、主动使用工具和进行概括的系统。”
而这个“概括”一词非常重要，因为模型在这方面存在困难。
这些模型驱动的机器人现在可以处理诸如按颜色分类洗衣、根据在线天气预报打包行李，或检查当地回收规则以正确丢弃垃圾等任务。现在，作为人类，你可能会说：“呃，那又怎么样？”但要做到这一点，机器需要一种称为概括的技能——将知识应用于新情况的能力。
机器人——以及算法通常——在这方面通常会遇到困难。例如，如果你教一个模型折叠一条裤子，它将无法折叠一件T恤，除非工程师提前编程每一步。
新的模型改变了这一点。它们可以捕捉线索、读取环境、做出合理假设，并执行以前难以实现的多步骤任务——或者至少是极其困难的——对于机器来说。
但更好并不意味着完美。例如，在一次实验中，团队向机器人展示了一组物体，并要求它们将物品放入正确的垃圾桶。机器人使用其相机视觉识别每个物品，在线查找旧金山最新的回收指南，然后将物品放置在理想的位置，完全像当地人一样。
这个过程结合了在线搜索、视觉感知和逐步规划——做出超越旧机器人能力的上下文感知决策。注册的成功率在20%到40%之间；虽然不理想，但对于一个以前无法理解这些细微差别的模型来说，令人惊讶。
谷歌如何将机器人变成超级机器人
这两个模型分工合作。Gemini Robotics-ER 1.5像大脑一样，确定需要发生的事情并创建逐步计划。当需要信息时，它可以调用谷歌搜索。一旦有了计划，它就将自然语言指令传递给Gemini Robotics 1.5，后者负责实际的物理动作。
更技术性地说，新的Gemini Robotics 1.5是一个视觉-语言-动作（VLA）模型，将视觉信息和指令转化为运动指令，而新的Gemini Robotics-ER 1.5是一个视觉-语言模型（VLM），用于创建多步骤计划以完成任务。
例如，当机器人分类洗衣时，它会通过一系列思维过程在内部推理任务：理解“按颜色分类”意味着白色衣物放在一个箱子里，彩色衣物放在另一个箱子里，然后分解出捡起每件衣物所需的具体动作。机器人可以用简单的英语解释其推理过程，使其决策不再是一个黑箱。
谷歌首席执行官桑达尔·皮查伊在X平台上发表了看法，指出新模型将使机器人能够更好地推理、提前规划、使用搜索等数字工具，并将学习从一种类型的机器人转移到另一种。他称之为谷歌“朝着真正有用的通用机器人迈出的下一大步”。
此次发布使谷歌与特斯拉、Figure AI和波士顿动力等开发者共享聚光灯，尽管每家公司采取的方式不同。特斯拉专注于为其工厂进行大规模生产，埃隆·马斯克承诺到2026年生产数千台。波士顿动力则继续推动机器人运动能力的边界，推出了可以后空翻的Atlas。与此同时，谷歌则押注于使机器人能够适应任何情况的AI，而无需特定编程。
时机至关重要。美国机器人公司正在推动国家机器人战略，包括在中国将AI和智能机器人作为国家优先事项的背景下，建立一个专注于促进该行业的联邦办公室。根据德国国际机器人联合会的数据，中国是全球最大的工业机器人市场，2023年约有180万台机器人在工厂和其他工业环境中运行。
DeepMind的方法与传统的机器人编程不同，后者要求工程师仔细编写每一个动作。相反，这些模型通过示范学习，并能够即时适应。如果一个物体从机器人的抓握中滑落，或者有人在任务进行中移动了某个物品，机器人会毫不迟疑地进行调整。
这些模型建立在DeepMind早期的工作基础上，早在三月份，机器人只能处理单一任务，如拉开包或折叠纸张。现在，它们正在处理许多挑战人类的序列任务——例如，在查看天气预报后，适当地为旅行打包。
对于希望进行实验的开发者，提供了不同的可用性选择。Gemini Robotics-ER 1.5于周四通过谷歌AI工作室的Gemini API发布，这意味着任何开发者都可以开始使用该推理模型进行构建。行动模型Gemini Robotics 1.5则仍然仅限于“精选”（意味着“富有”，可能）合作伙伴。
免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。
