谷歌DeepMind在人工智能领域再次展现了其领先地位，推出了两款新型AI模型——Gemini Robotics 和 Gemini Robotics-ER。这两款模型旨在显著提升机器人在真实世界中的应用能力，这一举动无疑在AI与机器人领域引发了广泛的关注和讨论。
核心突破在于，Gemini Robotics 模型通过融合视觉、语言和行动能力，赋予了机器人一种前所未有的适应性。这意味着，机器人无需进行特定的预先训练，就能够理解并适应新的环境，并执行相应的任务。这一突破性的进展要归功于谷歌最新的AI旗舰模型 Gemini 2.0 的强大支持。根据DeepMind机器人部门高级总监 Carolina Parada 的介绍，Gemini Robotics 将 Gemini 2.0 本身就具备的多模态世界理解能力，巧妙地引入了物理行动这一全新的模态，从而实现了机器人在现实场景中的智能操作。
更具体地说，Gemini Robotics 在构建高效机器人所需的三大核心领域——通用性、互动性和灵活性上都取得了显著的进展。它不仅能够应对各种复杂且动态的情境，还在与人类及周围环境的互动中表现出色，并且能够执行更加精细的物理操作，例如精确地折叠纸张，或者轻松开启瓶盖等等。这些能力表明，Gemini Robotics 正在缩小机器智能与人类智能之间的差距。
另一款模型，Gemini Robotics-ER（具象推理），则专注于提升机器人对复杂且动态世界的理解能力。Parada 解释说，日常生活中看似简单的活动，比如装便当盒，实际上需要机器人充分理解物品的位置关系、操作的先后步骤等复杂的空间和逻辑信息。而这正是 Gemini Robotics-ER 的优势所在。通过与现有的低级控制系统对接，机器人专家可以利用 Gemini Robotics-ER 驱动机器人完成更为智能的任务，从而拓展机器人的应用边界。
考虑到机器人应用的安全问题，DeepMind 也高度重视。研究员 Vikas Sindhwani 透露，公司正在开发一种“分层安全策略”，并且 Gemini Robotics-ER 模型已经接受了专门的训练，用于评估特定情境下动作的安全性。此外，DeepMind 还发布了新的基准和框架，以推动 AI 领域的安全研究。事实上，早在去年 DeepMind 就推出了“机器人宪法”，这是一套受到科幻作家艾萨克·阿西莫夫的机器人三定律启发的行为规范，旨在规范机器人的行为，确保其安全可靠。
为了进一步推动机器人的发展和应用，DeepMind 也在积极寻求合作。目前，DeepMind 已经与 Apptronik 携手，共同致力于“打造下一代人形机器人”。与此同时，DeepMind 还向包括 Agile Robots、Agility Robotics、波士顿动力和 Enchanted Tools 在内的多家“受信任的测试者”开放了 Gemini Robotics-ER 模型。Parada 表示：“我们专注于开发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。” 这一表态预示着 DeepMind 将持续深耕机器人领域，并有望在未来为各行各业带来革命性的变革。
