DeepMind 发布 Gemini Robotics

Google DeepMind 发布了新一代的 AI 驱动的 Gemini Robotics 平台。在 2.5 版本中，Google 表示其机器人 AI 正接近人类完成实际工作的水平。事实上，一些 Gemini 机器人在梅赛德斯-奔驰工厂中能够完成实际工作，团队正在为机器人与人类并肩工作的那一天做准备，并推出了开源安全基准。DeepMind 的物理 AI 平台在用户输入和机器人动作之间有多个计算层。其中包括视觉语言模型 Gemini Embodied Reasoning，它接收指令并使用实时视频规划机器人如何完成任务。另一个主要组件是视觉语言行动 (VLA)，它实际生成机器人动作，如移动执行器，这就是 Gemini Robotics，已升级到 2.5 版本。DeepMind 表示 Gemini Robotics 2.5 在需要高度灵巧性的任务中表现更好。该模型在 200 多项活动中进行了评估，包括用镊子递送食物和使用移液管，就像在实验室中看到的那样。Google 还展示了配备 Gemini Robotics 2.5 的 Apptronik 的 Apollo 2 人形机器人现在可以用其五指手系蝴蝶结，这是一个值得注意的成就，因为可变形物体（如丝带）对机器人来说很难操作。