2025年3月12日
📌 **1. 谷歌DeepMind发布新型AI模型，赋能机器人零训练执行物理任务**
🔗 [原文链接](https://www.theverge.com/news/628021/google-deepmind-gemini-robotics-ai-models)
谷歌旗下领先的人工智能研究实验室 DeepMind 近日发布了两款突破性的 AI 模型，旨在显著提升机器人执行现实世界任务的能力，甚至在某些情况下无需针对特定任务进行专门训练。这一进展预示着通用型机器人的发展将迈出重要一步。
**核心发布内容：**
* **Gemini Robotics 模型：** 这是一款先进的**视觉-语言-行动 (Vision-Language-Action, VLA)** 模型。它不仅能理解图像和文本指令，更能将这种理解转化为具体的物理动作。其核心优势在于其强大的**泛化能力**，即使面对之前从未遇到过的新情境或任务指令（体现了**zero-shot** 或 **few-shot learning** 的潜力），Gemini Robotics 也能进行理解并尝试执行。这大大降低了为机器人编程以适应新环境或新任务的复杂性。此外，该模型还显著提高了机器人的**灵巧性 (dexterity)**，使其能够执行更精细的操作，例如报告中提到的折叠纸张等任务。这对于需要精细操作的应用场景（如装配、护理等）至关重要。
* **基于 RT-2 的增强模型：** DeepMind 同时推出了另一款利用其**Robotic Transformer 2 (RT-2)** 技术的新模型。RT-2 的创新之处在于它能让机器人同时从**大规模网络数据**（包含丰富的世界知识和语言理解）和**机器人特定的操作数据**（包含物理交互和运动控制经验）中学习。这种结合使得机器人能够将从互联网学到的广泛概念知识（例如，“苹果是一种水果”）迁移到物理世界的具体行动中（例如，“拿起桌上的苹果”）。这种“知识迁移”能力对于开发能够理解并响应多样化、自然语言指令的通用机器人至关重要。
**技术意义与影响：**
这两款模型的发布代表了 AI 与机器人技术融合的重要进展。传统机器人通常需要针对特定任务进行大量编程和数据收集训练，适应性较差。DeepMind 的新模型，特别是 Gemini Robotics 的泛化能力和 RT-2 模型的知识迁移能力，旨在克服这一局限。
它们的潜力在于：
1. **加速通用机器人的研发：** 让机器人更能适应非结构化、动态变化的环境（如家庭、办公室、仓库），执行更多样化的任务。
2. **降低机器人应用门槛：** 通过提升机器人的自主学习和适应能力，减少对特定任务编程的依赖，使得机器人在更多领域（如物流、制造、家庭服务、医疗辅助）的应用变得更加可行和经济。
3. **推动人机交互变革：** 基于 VLA 的模型使得通过自然语言与机器人进行更直观、更复杂的交互成为可能。
虽然距离真正意义上的通用人工智能（AGI）和全能机器人还有很长的路要走，但 DeepMind 的这些新模型展示了当前 AI 技术在赋予机器物理智能方面的巨大潜力，为未来机器人能够更深入地融入人类生活和工作铺平了道路。