Google DeepMind 新 AI 模型Gemini Robotics提升机器人任务执行能力，无需特定训练

Google DeepMind 推出两款 AI 模型，旨在扩展机器人执行现实任务的范围。Gemini Robotics 基于 Gemini 2.0，具备视觉-语言-行动能力，可理解新情境，无需针对特定任务训练。Google DeepMind 机器人技术负责人 Carolina Parada 表示，Gemini Robotics 利用 Gemini 的多模态理解，将物理动作作为新输出模式，应用于现实世界。模型在通用性、交互性和灵巧性三方面取得进展，适应新场景，与人类及环境互动更顺畅，执行折纸、开瓶盖等精细任务。Parada 强调，Gemini Robotics 在三领域性能大幅提升，构建更强大、响应更快、对变化更稳健的机器人。

Gemini Robotics-ER 聚焦具身推理，强化空间理解，专为机器人专家设计，可与现有低级控制器集成，支持新功能开发。Parada 举例，打包午餐盒需识别物品位置、打开容器、抓取并放置物品，Gemini Robotics-ER 能执行此类推理。Google DeepMind 研究员 Vikas Sindhwani 表示，模型采用分层安全策略，评估行动安全性。公司发布新基准和框架，推进 AI 安全研究，2024 年推出受阿西莫夫三定律启发的“机器人宪法”，规范机器人行为。

Google DeepMind 与 Apptronik 合作开发下一代人形机器人，Gemini Robotics-ER 向 Agile Robots、Agility Robotics、Boston Dynamics 和 Enchanted Tools 等测试者开放。Parada 表示，目标是构建理解并作用于物理世界的智能，模型将在多领域应用，助力机器人技术进步。