谷歌DeepMind的最新AI模型升级，显著提升了机器人的能力，使其能执行更复杂的任务并能通过网络获取信息。此次升级的核心是Gemini Robotics 1.5和Gemini Robotics-ER 1.5模型，它们使机器人在行动前能进行“多步推理”和规划。机器人现已能处理如按颜色深浅分拣衣物、根据实时天气打包行李、以及通过网络搜索优化垃圾分类等任务。新模型还能促进不同硬件配置的机器人之间相互学习和技能迁移。Gemini Robotics-ER 1.5已通过API向开发者开放，预示着机器人自动化应用将迈入新阶段。

🤖 **多步推理与规划能力提升**：升级后的Gemini Robotics 1.5和Gemini Robotics-ER 1.5模型，使机器人能够在执行物理任务前进行多步推理，提前规划行动方案，从而能处理比以往更复杂的指令。

🌐 **网络信息获取与应用**：机器人现在能够利用Google搜索等网络工具获取信息，并将其转化为自然语言指令，用于解决实际物理问题，例如根据当地要求优化垃圾分类，或根据当前天气打包行李。

🤝 **跨机器人学习与技能迁移**：新的AI模型能够帮助不同构造和硬件配置的机器人互相“学习”，使得一个机器人习得的技能可以迁移到其他机器人身上，提高了通用性和效率。

💡 **任务复杂性突破**：相较于过去仅能执行单一任务（如折纸），此次升级使机器人能够胜任需要综合理解、推理和物理操作的复杂任务，标志着机器人从指令执行者向问题解决者的转变。

Google DeepMind最新升级的AI模型使机器人能够执行更为复杂的任务，甚至可以通过网络获取所需信息。DeepMind机器人部门负责人Carolina Parada在新闻发布会上表示，公司的新AI模型协同运作，使机器人在实际行动前能够“多步推理”，提前规划行动方案。

此次系统升级采用了全新发布的Gemini Robotics 1.5和Gemini Robotics-ER 1.5这两款模型，对今年三月发布的AI模型进行了重大改进。现在，机器人已不再局限于单一的任务，比如折纸或拉开拉链，而是能够处理更复杂的操作，例如按深浅分拣洗衣物、根据伦敦当前天气打包行李，甚至通过针对当地要求进行网络搜索来协助垃圾、堆肥和回收物分类。

Parada介绍：“以往的模型能够很好地执行一条指令，并且具有广泛适用性。这次升级后，我们实现了从接受单一指令到真正理解和解决实际物理任务的转变。”

具体而言，机器人首先利用升级后的Gemini Robotics-ER 1.5模型理解其所处环境，并像人类一样使用Google搜索工具查找信息。随后，Gemini Robotics-ER 1.5会将搜索结果转化为自然语言指令，再交给Gemini Robotics 1.5模型，让机器人结合视觉和语言理解能力完成每一步操作。

DeepMind软件工程师Kanishka Rao指出，这些AI模型能够帮助不同构造的机器人互相“学习”，哪怕硬件配置存在差异。实验发现，ALOHA2机器人（配备机械臂）完成的任务可以直接在Franka双臂机器人及Apptronik“阿波罗”类人机器人上复现，“这意味着我们能用一个模型控制各类机器人，包括类人型机器人，且某个机器人习得的技能可以迁移到另一台机器人身上。”

Gemini Robotics-ER 1.5现已通过Gemini API在Google AI Studio向开发者开放，但Gemini Robotics 1.5仅对部分合作伙伴开放体验。

这一突破让机器人具备了利用网络为现实问题寻求解决方案的能力，有望推动自动化应用领域再上新台阶。

查看评论