2025-09-26 | 실리콘밸리=윤민혁 특파원

谷歌以“Gemini Robotics 1.5”加速掌控物理AI“标准”

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

谷歌在半年后推出了机器人用人工智能(AI)“Gemini Robotics”的升级版本。凭借更先进的推理能力提高了对现实生活的理解力,使其能够完成与人类类似的作业。此外,一次学会的作业也可在结构不同的机器人上运行,通用性提高。有分析认为,谷歌在以聊天机器人、智能体为中心的AI竞争中更进一步,正着力抢占下一代物理AI“标准模型”的位置。

谷歌DeepMind于24日(当地时间)公开了机器人专用AI模型“Gemini Robotics·ER 1.5”。这是继今年3月首次公开Gemini Robotics后,半年内完成的更新。Gemini Robotics是视觉·语言·行动(VLA)结合模型,将视觉信息和语言指令转换为机器人的马达动作。Robotics ER则是通过视觉信息推理真实物理空间,并让机器人调用所需程序以完成指令的模型。谷歌介绍称:“由于能够主动理解环境,这将有助于构建可完成复杂作业的能干且多才多艺的机器人。”

整合两者的Gemini Robotics 1.5比上一代模型更准确地理解“真实世界”,能够完成复杂作业。接到“请把衣服按颜色分类”的指令时,不再只考虑颜色,而是综合考虑衣物的材质、重量、堆叠形态等进行整理,更加精细。对于事先未学习过的作业,也可通过互联网搜索等综合推理加以应对。例如向机器人提出“请根据我的位置对眼前的物体进行垃圾分类”,它会搜索各地区的回收指南,将眼前的物体分为一般垃圾、食物垃圾、塑料、罐类等,然后付诸行动。

也不再需要像以往那样为每台机器人单独构建模型并训练。机器人的设计各不相同,驱动部位和马达性能也各异。Gemini Robotics 1.5使得无论实现形态如何,在一台机器人上学到的动作都可迁移到其他机器人。这意味着未来人形机器人大量上市时兼容性可得到保障。谷歌强调:“我们正在打造的不只是对指令作出反应的模型,而是能够推理、规划并主动使用工具的通用系统。”

阅读韩文原文