|
谷歌旗下的DeepMind公司在人工智能領(lǐng)域再次取得重大突破，于昨日正式發(fā)布了兩款專(zhuān)為機器人設計的人工智能模型：Gemini Robotics和Gemini Robotic-ER。這兩款模型的問(wèn)世，標志著(zhù)谷歌DeepMind在推動(dòng)機器人技術(shù)智能化、提升機器人在現實(shí)世界任務(wù)中的執行能力方面邁出了關(guān)鍵一步。 據DeepMind官方介紹，Gemini Robotics和Gemini Robotic-ER是基于大型語(yǔ)言模型的推理能力而開(kāi)發(fā)的，旨在幫助機器人更好地適應復雜多變的環(huán)境，完成各種現實(shí)世界中的任務(wù)。其中，Gemini Robotics是一款視覺(jué)-語(yǔ)言-動(dòng)作模型，它不僅能夠概括新場(chǎng)景，還能更善于與人和環(huán)境互動(dòng)，執行更精確的物理任務(wù)，如折疊紙張、擰下瓶蓋等。該模型在通用性、交互性和靈活性三大關(guān)鍵領(lǐng)域表現出色，能夠理解廣泛的自然語(yǔ)言指令，并根據輸入調整行為，持續監控周邊環(huán)境以檢測變化，從而調整動(dòng)作。 而Gemini Robotic-ER（即具身推理）則是一款具備增強空間理解能力的先進(jìn)視覺(jué)-語(yǔ)言模型。它能夠使機器人專(zhuān)家利用Gemini的具身推理能力運行自有程序，完成更為復雜的推理過(guò)程。例如，在打包午餐盒時(shí)，Gemini Robotic-ER能夠知道所有東西的位置，以及如何打開(kāi)午餐盒、抓取食物并將它們放在合適的位置。這一特性使得機器人在處理復雜任務(wù)時(shí)更加得心應手。 DeepMind表示，要成為對人類(lèi)有用的機器人AI模型，必須具備三大核心特質(zhì)：通用性、交互性和靈巧性。新發(fā)布的這兩款模型正是基于這些特質(zhì)而設計的，它們能夠讓多種機器人執行比以往更廣泛的現實(shí)任務(wù)，從而幫助人類(lèi)在家庭、職場(chǎng)等場(chǎng)景中更好地與機器人協(xié)作。 在技術(shù)層面，Gemini Robotics的綜合泛化性能是現有最先進(jìn)視覺(jué)-語(yǔ)言-動(dòng)作模型的兩倍以上，這得益于DeepMind在算法優(yōu)化和模型訓練方面的深厚積累。而Gemini Robotic-ER則在安全性方面進(jìn)行了重點(diǎn)考慮，DeepMind正在開(kāi)發(fā)一種“分層方法”，以評估在特定情境下潛在行為的安全性，并訓練Gemini Robotic-ER模型進(jìn)行相應判斷。 此外，DeepMind還發(fā)布了新的基準和框架，以助力人工智能行業(yè)的安全研究。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(fā)的規則，供機器人遵循。此次發(fā)布的兩款模型也將在這一框架下進(jìn)行運作，以確保其在執行任務(wù)時(shí)始終遵循安全、可靠的原則。 |
