Google DeepMind新AI上線 機器人學會「上網找答案」

記者黃仁杰／編譯

Google DeepMind 宣布，其最新升級的 AI 模型讓機器人能完成更複雜的任務，甚至能透過網路搜尋來獲取資訊支援。該公司機器人部門負責人 Carolina Parada 在記者會上表示，新系統能讓機器人在實際行動前「思考多個步驟」，從而展現更高層次的理解與推理能力。

這套系統由新推出的 Gemini Robotics 1.5 與 Gemini Robotics-ER 1.5（具身推理模型）共同驅動，屬於今年3月發布模型的升級版本。過去，機器人能處理的多是單一動作，如摺紙或拉開拉鍊，而新模型則可執行多任務，例如依照深淺分開衣物、根據倫敦當地天氣幫忙打包行李，甚至能透過網路搜尋當地垃圾分類規則，幫助人們區分垃圾、堆肥與可回收物。

Parada指出：「以往模型一次只能執行單一步驟指令，雖然表現不錯，但現在我們邁向真正的理解與問題解決能力，讓機器人能更靈活地處理現實世界的任務。」

Gemini Robotics-ER 1.5 讓機器人能建立對周遭環境的理解，並使用 Google 搜尋等數位工具獲取額外資訊，再將這些結果轉化為自然語言指令交由 Gemini Robotics 1.5 執行。後者則結合視覺與語言理解能力，依序完成任務。

除了單機運作，升級後的 Gemini Robotics 1.5 還能讓不同機器人「互相學習」。DeepMind 測試發現，在 ALOHA2 機器人（雙機械臂）上訓練的任務，可以直接套用到雙臂的 Franka 機器人，甚至是 Apptronik 的人形機器人 Apollo。軟體工程師 Kanishka Rao 表示，這意味著「一方面可用單一模型控制不同機型，包括人形機器人；另一方面，一台機器人學到的技能，能無縫移植到其他機器人身上。」

Google DeepMind 同步宣布，將透過 Google AI Studio 的 Gemini API 向開發者開放 Gemini Robotics-ER 1.5，而 Gemini Robotics 1.5 則僅限部分合作夥伴使用。

來源：The Verge