谷歌在機(jī)器人技術(shù)領(lǐng)域的探索再次邁出重要一步，近日宣布推出Gemini Robotics On-Device模型，這一升級(jí)版模型標(biāo)志著谷歌在“視覺語言動(dòng)作”（VLA）技術(shù)上的又一突破。
據(jù)谷歌官方介紹，Gemini Robotics On-Device是迄今為止他們最強(qiáng)大的VLA模型，經(jīng)過深度優(yōu)化，實(shí)現(xiàn)了在機(jī)器人設(shè)備上的本地運(yùn)行。這一特性使得該模型能夠在不依賴外部數(shù)據(jù)網(wǎng)絡(luò)的情況下穩(wěn)定運(yùn)行，對(duì)于延遲敏感的應(yīng)用場(chǎng)景尤為關(guān)鍵，特別是在網(wǎng)絡(luò)不穩(wěn)定或無網(wǎng)絡(luò)連接的環(huán)境中。
谷歌DeepMind的高級(jí)總監(jiān)兼機(jī)器人主管表示，Gemini Robotics On-Device專為雙臂機(jī)器人設(shè)計(jì)，旨在提升機(jī)器人在復(fù)雜任務(wù)中的靈巧性和適應(yīng)性。這一模型是在今年3月推出的Gemini Robotics基礎(chǔ)上升級(jí)而來，通過大數(shù)據(jù)訓(xùn)練，機(jī)器人能夠執(zhí)行更加精細(xì)的動(dòng)作。
在一次演示中，谷歌團(tuán)隊(duì)展示了搭載這一本地模型的機(jī)器人，它們能夠輕松完成拉開拉鏈、折疊衣物等基本任務(wù)，展現(xiàn)了模型在實(shí)際應(yīng)用中的潛力。
谷歌還發(fā)布了Gemini Robotics SDK，為開發(fā)人員提供了在MuJoCo高級(jí)物理模擬器上使用這些模型的平臺(tái)。開發(fā)人員可以通過向機(jī)器人展示50到100個(gè)任務(wù)演示來訓(xùn)練它們，進(jìn)一步提升機(jī)器人的任務(wù)執(zhí)行能力。
值得注意的是，與單純的大語言模型相比，機(jī)器人AI面臨著更多的挑戰(zhàn)。機(jī)器人不僅存在于物理世界中，還會(huì)改變其環(huán)境，因此安全問題尤為重要。谷歌為保障Gemini Robotics的安全，采用了多層限制的策略。控制機(jī)器人的底層VLA模型之上，還有一個(gè)上級(jí)VLA模型，通過推理模型來判斷指令的安全性，實(shí)現(xiàn)了“AI管理AI”的安全機(jī)制。
隨著谷歌在機(jī)器人技術(shù)領(lǐng)域的不斷深耕，越來越多的公司也開始關(guān)注這一新賽道。包括Nvidia在內(nèi)的眾多企業(yè)都在秘密研發(fā)自己的機(jī)器人項(xiàng)目，預(yù)示著未來機(jī)器人AI領(lǐng)域的競(jìng)爭(zhēng)將更加激烈。在國(guó)內(nèi)，同樣有眾多企業(yè)在這一領(lǐng)域默默耕耘，期待他們?cè)谖磥淼腁I大戰(zhàn)中嶄露頭角。
