Google發布 Gemini Robotics，Gemini 2.0 型號針對機器人進行了優化

Google DeepMind 在人工智慧領域持續取得穩定進展，定期對 Gemini、Imagen、Veo、Gemma 和 AlphaFold 進行備受好評的更新。今天，GoogleAI團隊繼續佔據頭條，正式宣布進軍機器人行業，推出兩款基於Gemini 2.0的全新機型：Gemini Robotics和Gemini Robotics-ER。

Gemini Robotics：先進的視覺-語言-動作模型

Gemini Robotics 是基於 Gemini 2.0 開發的先進視覺-語言-動作 (VLA) 模型，並增加了物理動作作為機器人控制的新輸出方式。谷歌聲稱，這個新模型可以理解在訓練期間從未遇到的情況。

與其他領先的 VLA 模型相比，Gemini Robotics 在綜合泛化基準測試中的表現要好兩倍。由於它建立在 Gemini 2.0 模型上，因此它能夠理解多種不同類型的自然語言，這意味著它可以更準確地理解人類的命令。

在靈活性方面，Google聲稱 Gemini Robotics 可以處理需要精確操作的複雜、多步驟任務。例如，該模型可以折疊摺紙或將零食放入 Ziploc 袋中。

Gemini Robotics-ER：專注於空間推理的視覺語言模型

Gemini Robotics-ER 是一種專注於空間推理的先進視覺語言模型，允許機器人專家將其與現有的低階控制器整合。使用該模型，機器人專家將可以同時控制機器人的所有步驟，包括感知、狀態估計、空間理解、規劃和程式碼生成。

雙子座機器人的未來

谷歌正在與 Apptronik 合作打造基於 Gemini 2.0 模型的人形機器人。谷歌也與 Agile Robots、Agility Robotics、Boston Dynamics 和 Enchanted Tools 等多家值得信賴的測試合作夥伴合作，共同指導 Gemini Robotics-ER 的未來發展。

透過讓機器人能夠以更高的準確性和適應性理解和執行複雜任務，Google DeepMind 為機器人無縫融入我們生活的許多方面的未來鋪平了道路。