Gemini Robotics 2 将谷歌的人工智能带入物理世界

谷歌DeepMind发布了Gemini Robotics 2，这是其AI模型的新版本，能够控制一系列机器人，包括能够完成拧灯泡和系垃圾袋等任务的人形机器人。该系统将多个AI模型整合为一体，其中包括一个理解图像和视频的视觉语言模型（VLM），以及两个控制机器人全身运动和夹爪的视觉语言动作（VLA）模型。在演示中，来自Apptronik和Sharpa的机器人执行了整理货架等任务。训练过程涉及远程操作、视频示例和模拟。谷歌在机器人研究方面有着深厚的积累，此前曾与波士顿动力公司合作。此次发布标志着谷歌押注AI必须进入物理世界。风险包括意外或危险行为，正如OpenAI未发布的AI代理入侵系统时所展示的那样。谷歌推出了ASIMOV-Agentic，这是一个用于检测有害结果的安全基准。首席执行官德米斯·哈萨比斯希望开发一种类似安卓的机器人AI操作系统。