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GeminiRobotics，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。

GeminiRobotics基于谷歌最新版本的AI旗舰模型——Gemini2.0。谷歌DeepMind机器人部门高级总监CarolinaParada曾表示，GeminiRobotics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，GeminiRobotics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GeminiRobotics-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。GeminiRobotics-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GeminiRobotics-ER驱动的新功能。

谷歌DeepMind的研究员VikasSindhwani表示，公司正在开发一种“分层安全策略”，并称GeminiRobotics-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TheVerge，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agileRobots、AgilityRobotics、波士顿动力和EnchantedTools在内的“受信任的测试者”开放了GeminiRobotics-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。”