北京时间3月12日晚，谷歌旗下DeepMind团队宣布推出两款新型AI模型——Gemini Robotics和Gemini Robotics-ER，旨在赋予机器人更强大的现实任务处理能力，即便未经专门训练也能适应新场景。这一突破或将加速智能机器人在日常场景的应用落地。
首款模型Gemini Robotics基于谷歌最新多模态大模型Gemini 2.0开发，被定义为“视觉语言行动模型”。其核心能力在于融合物理行动模态，使机器人能实时理解环境并执行操作。例如，完成折纸、拧瓶盖等精细动作，或在陌生场景中与人类协作。DeepMind机器人部门高级总监Carolina Parada表示，该模型在通用性、互动性和灵活性三大关键领域取得进展，能适应多样化的物理环境。
第二款模型Gemini Robotics-ER（具象推理）则专注于复杂动态场景的决策。例如，当机器人需整理桌面物品或打包餐盒时，该模型可分析物体位置、操作顺序等逻辑关系，并与底层控制系统联动完成推理任务。Parada解释称，此类模型需“理解并预测动态变化的世界”，其设计目标是为机器人提供类人的环境交互智能。
为确保安全性，DeepMind研究员Vikas Sindhwani透露，团队开发了分层安全策略，训练模型自主评估动作风险。此外，公司同步发布了安全研究框架，延续了2023年提出的“机器人宪法”规范。目前，这两项技术已向波士顿动力、Agility Robotics等合作方开放测试，并与Apptronik联合推进人形机器人研发。DeepMind表示，未来希望将此类AI智能拓展至工业、家庭服务等多个领域。
原创文章，作者：Google，如若转载，请注明出处：https://www.kejixun.com/article/710066.html
