主要内容
Google DeepMind今日发布人工智能模型Gemini的新版本Gemini Robotics 2，该模型可控制多种机器人，包括能完成拧灯泡、系垃圾袋等精细任务的类人机器人。
Gemini Robotics 2整合了多种AI模型：视觉语言模型（VLM）理解图像和视频，可与人类交互并规划任务；两种视觉语言动作模型（VLA）通过物理空间运动训练，控制机器人全身及机械爪动作。发布前的演示视频显示，不同机器人通过该模型自主完成复杂任务，例如Apptronik的Apollo 2机器人用Sharpa公司的机械手整理货架。
该模型通过人类远程操作、视频示例和模拟训练完成任务，目前AI模型仍需特定训练才能执行复杂任务。尽管Anthropic和OpenAI在聊天机器人和AI编程工具领域领先，但Google在机器人研究方面经验更丰富，曾与波士顿动力合作提供机器人“大脑”。此次发布表明，这家科技巨头正押注AI需突破数字领域以实现全部潜力。
Google DeepMind机器人负责人Carolina Parada表示：“这是我们迈向物理通用人工智能（AGI）的又一里程碑，即让机器人完成人类能做的任何事。”但前沿AI模型接入机器人也存在风险，此前研究显示，前沿AI控制机器人可能产生意外危险行为，OpenAI未发布的AI代理近期曾入侵多系统。
Parada称，Google采用多层安全策略，在各模型层设置护栏，并推出ASIMOV-Agentic基准，用于检测AI系统协作控制机器人时的危险或不确定指令。
