在日常生活中，倒一杯水或撿起掉在地上的布偶對人類來說再簡單不過。但對於機器人，這些行動卻極為複雜。至今，多數產業仍只讓機器人在結構化的環境中從事可重複的任務，如 google ai 機器人的基本操作。
隨著 Google DeepMind 對人工智慧機器人應用的深入研究，機器人技術有了新的突破。Google DeepMind 最新研發技術發表了他們的最新視覺-語言-行動模型（vision-language-action，VLA）——RT-2（Robotic Transformer 2）。這款 GOOGLE AI 模型能從網路和機器人資料中學習，並將這些知識轉化成控制機器人的通用指令，有助於機器人更好地理解和執行人類的指令。
Google 人工智能引進 VLA，助新系統從網路中學習
《TechCrunch》報導，RT-2 是基於 Google DeepMind 去年發表的 RT-1 系統優化版。團隊蒐集了大量的機器人數據，包括 13 個機器人在 13 萬個場景中執行的 700 多種任務，進行訓練。接著，他們引入了 VLA，結合了大型語言模型 Google Bard 等網路資料，進一步優化和訓練 RT-2。
AI 機器人可辨識什麼是垃圾、判斷疲倦該喝能量飲
（來源：Google DeepMind）
有了更多元的訓練數據，RT-2 不再只是執行簡單的動作。它可以從網路或其他機器人數據中學到知識，並在不同場景中進行基本的推理。例如，它可以辨識香蕉皮和吃完的洋芋片包裝袋都是垃圾，或者知道疲倦的人應該喝能量飲料。
訂閱《AI TOgether》趨勢週報
每週幫你精選 AI 主題報導
感謝訂閱！隨時注意信箱的最新資訊
Google DeepMind 也進行了 RT-1 和 RT-2 的效能比較。在未曾見過的場景下，RT-2 效能提高到了62%，而 RT-1 只有 32%。這顯示 RT-2 在指令理解和訓練能力上都有了明顯的進展。
不過，RT-2 還有待完善。《The Verge》報導，在機器人測試現場，RT-2 仍然會錯誤辨識汽水口味，或將水果誤認為是白色的物體。但無疑的是，隨著 Google DeepMind 在人工智慧機器人應用上的持續研究，未來 google 人工智慧如何改變日常生活應用將變得更加廣泛。
＊本文開放夥伴轉載，資料來源：《Google DeepMind》、《TechCrunch》、《The Verge》，首圖來源：Google DeepMind
（責任編輯：黃俊誠）
