谷歌發(fā)布人工智能學(xué)習(xí)模型機(jī)器人轉(zhuǎn)換器使其機(jī)器人更智能

據(jù)悉，谷歌希望通過發(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語言動作（VLA）模型的新版本。該模型教導(dǎo)機(jī)器人更好地識別視覺和語言模式，以解釋指令并推斷哪些對象最適合請求。

研究人員在廚房辦公室的環(huán)境中用機(jī)械臂測試了RT-2。結(jié)合思維鏈推理，RT-2可以執(zhí)行多階段語義推理。即便是一些抽象概念，RT-2也能理解并指揮機(jī)械臂做出正確的動作。比如讓它找一把臨時用的簡易錘子，它會抓起石頭；讓它給疲憊的人選一款飲料，它會選擇紅牛；讓它把可樂罐移到泰勒·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等大型語言模型的研究進(jìn)展，并將其與機(jī)器人數(shù)據(jù)（如移動哪些關(guān)節(jié)）相結(jié)合。它還可以理解除英語以外的其他語言的指示。

多年來，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)實生活中生存的問題。The Verge的James Vincent指出，現(xiàn)實生活中存在著無法妥協(xié)的“混亂”。機(jī)器人需要更多的指導(dǎo)來為人類做一些簡單的事情。

以前，教機(jī)器人需要很長時間。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)器人可以通過訪問更大的信息集來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