财联社3月13日讯当地时间周三，谷歌宣布推出两款基于Gemini 2.0的新型人工智能(AI)模型，这两款模型专为开发更灵活、可互动的机器人设计，未来有望推动机器人在更多场景中的应用和普及，引领AI与机器人技术融合的新趋势。

　　谷歌指出，这些最新的AI模型适配各种形状的机器人，涵盖了从人形机器人到工厂、仓库中使用的各类机器人，展现了广泛的适用性。

　　据谷歌详细介绍，其中一款名为Gemini Robotics的模型，是一款视觉-语言-行动模型，具备通过物理动作输出结果的能力，使机器人能够理解并执行复杂的自然语言指令。简而言之，Gemini Robotics能够听懂人类指令，执行相应操作。

　　另一款名为Gemini Robotics-ER的模型，则专注于空间推理，是一个视觉-语言模型，有助于机器人更好地理解周围环境，并支持开发者利用其强大的推理能力运行自定义程序。

　　谷歌DeepMind工程师Kanishka Rao表示，谷歌将Gemini模型应用于机器人领域，正推动机器人技术向更智能、更通用的方向发展。他强调：“我们的世界复杂多变，通用智能机器人需具备应对这种复杂性的能力。”

　　同时，Meta、特斯拉和OpenAI等科技巨头也在加大机器人领域的研发投入，众多初创公司如Figure AI和Skild AI等也在该领域崭露头角，这些公司的估值均达到数十亿美元，显示了机器人领域的巨大潜力和吸引力。

　　在预先录制的演示视频中，谷歌研究人员展示了运行其技术的机器人如何响应简单指令。例如，一台机器人站在字母拼图前，在训练员要求下成功拼出了单词“Ace”。

　　工程师们还在实验室搭建了一个迷你玩具篮球场，另一台机器人在被要求完成扣篮动作时，成功将塑料球投入篮筐，展现了Gemini模型在理解和执行复杂任务方面的出色能力。

　　Rao兴奋表示：“当我们首次目睹机器人扣篮时，整个团队都激动不已。因为机器人从未见过与篮球相关的任何事物，但它通过Gemini理解了篮网的外观以及‘扣篮’一词的含义，并将二者联系起来，在现实世界中成功完成了这项任务。”

　　然而，谷歌强调，这项工作仍处于“早期探索”阶段。DeepMind研究员Vikas Sindhwani指出，Gemini模型是在对物理环境中的“常识性安全”有深刻理解的基础上开发的，确保了技术的安全性和可靠性。

　　他还提到，谷歌计划逐步部署这些机器人，最初将它们放置在与人类保持安全距离的位置，并随着安全性能的不断提升，逐渐增加其互动性和协作性，为人类生活带来更多便利和可能性。

（文章来源：财联社）