據(jù)悉，谷歌希望通過(guò)發(fā)布人工智能學(xué)習(xí)模型機(jī)器人轉(zhuǎn)換器（Robotic Transformer，RT-2）使其機(jī)器人更智能。

RT-2是該公司所稱的視覺(jué)語(yǔ)言動(dòng)作（VLA）模型的新版本。該模型教導(dǎo)機(jī)器人更好地識(shí)別視覺(jué)和語(yǔ)言模式，以解釋指令并推斷哪些對(duì)象最適合請(qǐng)求。

研究人員在廚房辦公室的環(huán)境中用機(jī)械臂測(cè)試了RT-2。結(jié)合思維鏈推理，RT-2可以執(zhí)行多階段語(yǔ)義推理。即便是一些抽象概念，RT-2也能理解并指揮機(jī)械臂做出正確的動(dòng)作。比如讓它找一把臨時(shí)用的簡(jiǎn)易錘子，它會(huì)抓起石頭；讓它給疲憊的人選一款飲料，它會(huì)選擇紅牛；讓它把可樂(lè)罐移到泰勒·斯威夫特的照片上，它也能順利完成。

該公司在一篇論文中表示，新模型基于網(wǎng)絡(luò)和機(jī)器人數(shù)據(jù)進(jìn)行訓(xùn)練，利用谷歌自己的Bard等大型語(yǔ)言模型的研究進(jìn)展，并將其與機(jī)器人數(shù)據(jù)（如移動(dòng)哪些關(guān)節(jié)）相結(jié)合。它還可以理解除英語(yǔ)以外的其他語(yǔ)言的指示。

多年來(lái)，研究人員一直試圖給機(jī)器人灌輸更好的推理能力，以解決如何在現(xiàn)實(shí)生活中生存的問(wèn)題。The Verge的James Vincent指出，現(xiàn)實(shí)生活中存在著無(wú)法妥協(xié)的“混亂”。機(jī)器人需要更多的指導(dǎo)來(lái)為人類做一些簡(jiǎn)單的事情。

以前，教機(jī)器人需要很長(zhǎng)時(shí)間。研究人員必須單獨(dú)規(guī)劃方向。但有了RT-2等VLA模型的強(qiáng)大功能，機(jī)器人可以通過(guò)訪問(wèn)更大的信息集來(lái)判斷下一步該做什么。

谷歌首次進(jìn)軍智能機(jī)器人始于去年，當(dāng)時(shí)谷歌宣布將在機(jī)器人領(lǐng)域使用其LLM-PaLM，創(chuàng)建了名為PaLM-SayCan的系統(tǒng)，將LLM與物理機(jī)器人相集成。

責(zé)任編輯：彭菁