北京时间昨晚，谷歌 DeepMind 推出两款新型 AI 模型，旨在帮助机器人完成更多现实世界中的任务。

其中一款名为 Gemini Robotics，是一款视觉语言行动模型，能够使机器人在没有进行过专门训练的情况下理解新的情境。

Gemini Robotics 基于谷歌最新版本的 AI 旗舰模型 ——Gemini 2.0。谷歌 DeepMind 机器人部门高级总监 Carolina Parada 曾表示，Gemini Robotics 依托 Gemini 的多模态世界理解能力，通过加入物理行动的新模态，将其应用到现实世界中。

该模型在谷歌 DeepMind 认为构建高效机器人所需的三大核心领域取得了进展：通用性、互动性和灵活性。除了能够应对新的情境外，Gemini Robotics 在与人类及环境的互动上表现更好，且能够执行更精确的物理操作，比如折纸或打开瓶盖。

另一款则是 Gemini Robotics-ER（具象推理）模型，公司称其为一种先进的视觉语言模型，能够“理解复杂且动态的世界”。

Parada 进一步解释道，当你在装便当盒时，桌上的物品摆放位置和如何操作是你必须考虑的内容。Gemini Robotics-ER 正是为此类推理任务而设计，机器人专家可通过该模型与现有的低级控制系统对接，开启由 Gemini Robotics-ER 驱动的新功能。

谷歌 DeepMind 的研究员 Vikas Sindhwani 表示，公司正在开发一种“分层安全策略”，并称 Gemini Robotics-ER 模型已被训练用于评估在特定情况下某个动作是否安全。公司还发布了新的基准和框架，推动 AI 领域的安全研究。据IT之家了解，去年，谷歌 DeepMind 推出了“机器人宪法”，这是一套受艾萨克 阿西莫夫启发的机器人行为规范。

据外媒 The Verge，谷歌 DeepMind 与 Apptronik 合作，共同致力于“打造下一代人形机器人”。此外，谷歌还向包括 Agile Robots、Agility Robotics、波士顿动力和 Enchanted Tools 在内的“受信任的测试者”开放了 Gemini Robotics-ER 模型。Parada 表示：“我们专注于打造能够理解物理世界并在其中行动的智能，我们非常期待将这一技术应用于多个领域和多种表现形式。”