快科技7月31日消息，昨日，谷歌DeepMind发布博文，宣布推出一款全新的、面向机器人的人工智能模型，声称可使人形机器人能够协调全身动作。新模型名为Gemini Robotics 2，其能够让机器人在执行任务时完成行走、下蹲、操控物体等动作，并结合推理能力自主完成任务。谷歌表示，与此前主要控制机器人上半身动作的模型不同，Gemini Robotics 2可以实现对整个人形机器人的全身控制。在一段预录演示中，DeepMind的新模型操控Apptronik公司的人形机器人Apollo完成了一系列动作，包括穿过房间、拿起洒水壶并将其放到架子上，同时还能避开途中障碍物。
谷歌发布最强具身推理模型Gemini Robotics ER 2：支持连续视频理解与多机器人协作
与此同时，DeepMind还发布了另外两款机器人AI模型，它们既可以协同工作，也可以独立运行。其中，Gemini Robotics 2负责将摄像头画面和自然语言指令转换为机器人电机控制指令；而Gemini Robotics ER 2则充当机器人的“推理系统”，负责规划多步骤任务，并协调多个机器人共同完成同一目标。其中Gemini Robotics ER 2模型，是谷歌面向机器人的最强具身推理模型。
谷歌发布最强具身推理模型Gemini Robotics ER 2：支持连续视频理解与多机器人协作
在功能方面，相比较此前1.6版本，Gemini Robotics ER 2模型通过持续观看视频，机器人现在可以追踪自身的运行进度，在出现问题时进行调整，并准确把握进入下一步的时机。此外，模型还可原生调用Google Search或开发者自定义函数。
谷歌发布最强具身推理模型Gemini Robotics ER 2：支持连续视频理解与多机器人协作
在物理智能体方面，在机器人当前处于执行任务状态下，Gemini Robotics ER 2模型可以同步推理后续步骤，以减少传统机器人“停止-思考-再行动”带来的停顿。该模型接入Gemini Live API的双向流式端点，面向对延迟敏感的机器人任务。相较Gemini Robotics ER 1.6，ER 2可分析连续视频流，机器人可据此跟踪自身任务进度，在动作出错时调整或重试，并判断何时进入下一步骤。在任务进度分类测试中，Gemini Robotics ER 2的准确率为57.4%，该能力可帮助机器人在不重启整个工作流的情况下修正失败步骤。在moment-finding时刻寻找（关键时刻定位）测试中，模型需要找出关键事件发生的精确视频帧，例如判断何时停止向杯中倒咖啡。ER 2的准确率为91.3%，平均绝对时间误差为0.96秒。
谷歌发布最强具身推理模型Gemini Robotics ER 2：支持连续视频理解与多机器人协作
谷歌发布最强具身推理模型Gemini Robotics ER 2：支持连续视频理解与多机器人协作
此外，谷歌还展示了机器人灵巧性的提升。研究人员表示，在测试中，系统完成“拧下灯泡”这一任务的成功率达到92%。不过，在扎垃圾袋、封好Ziplock密封袋等更加复杂的操作中，成功率仍然相对较低。
谷歌发布最强具身推理模型Gemini Robotics ER 2：支持连续视频理解与多机器人协作
【本文结束】出处：快科技
0 留言