Gemini Robotics在Gemini多模态理解基础上，加入物理动作，以作为新输出模式直接控制机器人。

谷歌旗下DeepMind于12日发布全新AI模型，利用其Gemini 2.0语言模型，专门训练用于控制机器人的模型，名为Gemini Robotics和Gemini Robotics-ER。据悉该AI模型能让机器人更适应复杂环境，完成各种高难度任务，环境适应力、指令理解能力、操作弹性都大大提升。

助理解复杂动态环境

谷歌DeepMind机器人部门主管卡罗琳娜·帕拉达称，Gemini Robotics在Gemini多模态理解基础上，加入物理动作，以作为新输出模式直接控制机器人。而Gemini Robotics-ER模型具空间理解能力，能理解复杂动态环境，并执行感知、状态判断、空间理解及生成程式码等控制机器人所需步骤，成功率较Gemini 2.0高2至3倍。

据谷歌DeepMind于YouTube发布的影片显示，新AI模型训练的机器人能够流畅折出纸狐狸、按语音指令整理桌面、熟练拉开拉链，并完成迷你篮球灌篮动作。

向通用型机器人进发

另外，DeepMind也和初创公司Apptronik合作，计划用这项技术打造人形机器人。Apptronik今年前仅获2800万美元（1.24亿令吉）融资，但在今年2月参与由谷歌牵头的A轮融资，成功筹集3.5亿美元（15.51亿令吉）。另外，国际科技界视Apptronik为特斯拉擎天柱机器人的竞争对手。今年3月，Apptronik与奔驰达成合作，其Apollo机器人已进驻奔驰工厂参与汽车生产，执行搬运、装配等体力工作。同时选定值得信赖的测试伙伴一同合作，指导Gemini Robotics-ER的未来，包括Agile Robots、Agility Robotics、Boston Dynamics、Enchanted Tools等公司。

DeepMind首席软体工程师卡尼什卡·拉奥表示，Gemini Robotics的通用性是之前最好模型的两倍，实现向通用型机器人的重大飞跃。

卡罗琳娜·帕拉达亦表示，虽然过去通用机器人技术分别在适应不同的情境、快速回应指令与环境变化、类似人手的敏捷性领域取得进展，但现在只用单一模型就可以大幅提升这3方面的表现。

加州大学柏克莱分校机器人学教授肯·戈德堡指出，此技术为机器人领域带来重大突破，相信建基于谷歌在大数据及运算方面的强势。他认为，这些新机器人模型最大特点为可在云端顺畅运作，估计因能够利用谷歌超大型语言模型的高运算能力。

MIT教授兼丰田研究院机器人研究副总裁拉斯·特德雷克则表示，Gemini虽迈出重要一步，但通用型机器人实际应用前仍有大量工作待完成。

---