Google DeepMind 在 AI 領域又出招！這次他們發表了最新的 AI 模型 Gemini，主打讓機器人更聰明，能在辦公室裡自由移動、執行任務，宛如科幻電影場景在眼前上演。
根據 Google DeepMind 團隊發表的論文「Mobility VLA：利用長上下文大型語言模型和拓撲圖進行多模態指令導航」，他們成功利用 Gemini 1.5 Pro 模型訓練機器人，讓它不僅能聽懂指令，還能順利在辦公室裡找到路。
在一系列展示影片中，Google DeepMind 的員工只要對著機器人說「OK, Robot」，就能指揮它完成各種任務，像是帶路到白板前、根據白板上的地圖指示走到指定地點等等。令人驚豔的是，機器人展現出超強理解力和方向感，完美達成所有任務！
為了讓機器人變聰明，Google DeepMind 團隊可是花了不少心思。他們先帶著機器人在辦公室裡走透透，同時用講話的方式標記不同的地點，讓機器人熟悉環境。接著，他們利用「分層式視覺-語言-動作 (VLA)」技術，把環境理解和常識推理能力結合起來，讓機器人能夠看懂文字、圖畫指令，甚至連手勢都能理解。
Google 表示，他們和機器人進行了超過 50 次的互動測試，結果機器人的成功率高達 90%！這項驚人的成果顯示 Gemini 模型在機器人導航方面擁有巨大潛力，未來可望應用在更多領域，像是居家服務機器人、倉儲機器人、自動駕駛汽車等等，讓人類生活更加便利！
＊本文開放合作夥伴轉載，資料來源：《TechCrunch》《The Verge》首圖來源：Unsplash。
聽數發部、台積電、Gogolook 等重磅講者解密生成式 AI 時代的新策略
立即免費報名 7/23、24【2024 AWS 台灣雲端高峰會】
