美国谷歌机器人能听懂人话？自己看日历装行李，还把包偷偷挪走

据《韩民族日报》7月31日报道，“阿波罗，孩子们今天好像该出去玩了，你能帮忙收拾一下东西吗？”开发者用语音向机器人公司阿普特罗尼克的人形机器人“阿波罗2”下达指令。机器人回答说：“我看了日历，杰西下午2点有匹克球比赛，杰里米4点有棒球比赛。我来收拾行李。”

阿波罗确认日程后，转身面向一个堆满杂物的三层置物架。它俯身探入狭窄的架子下方，伸手取物，动作相当自然。棒球手套、球棒、匹克球球拍和球，连同户外毯子，都被装进了包里。“都做完了，还有别的事吗？”“再帮我一件事可以吗？”“当然可以。”“把左边那个托特包找出来，放到桌子上。”

就在阿波罗伸手去拿托特包时，突发情况出现了：开发者悄悄把包拨到了一边。阿波罗弯着腰短暂停顿后，重新朝包移动，自己解决了问题。谷歌深度思维30日公布了3款用于自适应机器人驱动的通用人工智能模型。这是一套并非依赖预先编程动作、而是能在不可预测环境中自行学习和推理，并通过对手指、脚部和关节等全身部位的控制来替代人类完成作业的人工智能模型。

如果说波士顿动力的阿特拉斯更偏向于以强大的运动和保持平衡能力为基础、再结合控制系统的硬件路线，那么谷歌深度思维开发的则是可移植到阿特拉斯、阿波罗等不同厂商机器人上的“通用型大脑”。这也正是谷歌深度思维所强调的“一个大脑，适用于任何机器人”。

当天公开视频中的阿波罗2，安装了新加坡公司夏尔帕韦夫的机械臂。这款机械臂有5根手指和22个自由度。除这家公司外，谷歌深度思维还测试了安装英斯派尔和弗兰卡机器人公司机械臂与夹爪后的性能。这意味着，谷歌深度思维开发的“大脑”已经展示出对阿普特罗尼克机体以及夏尔帕韦夫等多家公司机械臂进行精细控制的能力。

谷歌深度思维此次公布的3款通用人工智能模型，分别是“Gemini Robotics 2”“Gemini Robotics ER2”和“Gemini Robotics On-Device 2”。此前的Gemini Robotics 1.5主要局限于双臂机器人的上半身和桌面作业控制，而升级后的Robotics 2除了双臂机器人外，还能控制“全身人形机器人从脚尖到指尖”的动作。

阿波罗2之所以能理解“孩子们的体育比赛”这种抽象指令，并分析周边环境、制定持续数分钟的分步骤作业计划，依靠的是作为上层“大脑”的推理模型Gemini Robotics ER2。随后，Gemini Robotics 2再把语言和视觉输入转化为运动控制，让机器人完成行走、弯腰、伸手、抓取和放下等精细的全身动作。

也就是说，这一系统将负责“推理”的视觉—语言模型，与负责“行动”、包括全身和机械臂控制在内的视觉—语言—行动模型分开设置，再结合使用。其中，Gemini Robotics On-Device 2则是一款即便遇到网络延迟、通信中断或没有互联网连接，也能学习新任务的模型。

它只需不到200条动作数据，就可以教会不同厂商、在形态、传感器和自由度方面差异很大的机器人完成新动作，例如把书放回书架，或把杯子放到托盘上。谷歌深度思维表示，Gemini Robotics ER2还具备多机器人协作功能。比如面对单个机器人无法完成的复杂任务时，它可以把工作拆分并分配给不同形态的机器人，由人形机器人、四足机器人和双臂机器人等通过通信协作完成。

谷歌深度思维还公开了搭载Gemini Robotics 2模型的人形机器人更换落地灯灯泡的画面。谷歌深度思维首席执行官德米斯·哈萨比斯此前曾表示，希望Gemini能像智能手机上的安卓系统一样，成为机器人的人工智能操作系统。在Robotics 2发布后，他又说：“它不仅能完成过去做不到的任务，比如精细打结，还可以组成团队，共同处理复杂的工作流程。”

谷歌深度思维机器人业务负责人卡罗琳娜·帕拉达也表示：“几十年来，我们一直梦想着机器人能自然融入生活并提供帮助。现在，这一愿景正越来越接近现实。”不过，距离真正实现这一目标，仍有很长的路要走。谷歌深度思维让安装了多家公司机械臂的阿波罗2在不同条件下反复执行抓取任务。

任务成功率分别为：地面45.7%，桌面68.4%，置物架76.3%。也就是说，位置越低，成功率越低。这表明，全身控制中弯腰动作尤其困难。谷歌深度思维还展示了Gemini Robotics 2精细控制5根手指的能力，包括旋下台灯灯泡、系紧收纳袋和封好拉链袋。不过，这类任务的成功率更低。

在接到“把灯泡旋下来”的指令后，阿波罗2的成功率达到92%；但反过来“把灯泡旋上去”，成功率只有36%。给袋子打结并系紧的成功率为44%；双手分别拿扫帚和簸箕进行清扫的成功率为32%；把一串葡萄装进拉链袋并封口的成功率为40%。谷歌深度思维坦言：“5指精密操作仍然是一项困难任务。”“在动作速度方面，仍有很多需要提升的地方。”