谷歌DeepMind 展示基于大模型 Gemini的机器人可以在办公室做导航

小哪吒

DeepMind 机器人团队本周展示了其在机器人导航领域的最新进展。在一篇论文中，团队详细阐述了如何利用 Google Gemini 1.5 Pro 机器人响应指令，并在办公室内进行导航。

DeepMind 运用了 Every Day Robots 项目的一部分技术，该项目自去年谷歌大规模裁员后暂停。在一系列演示视频中，DeepMind 的员工通过智能助手风格的命令，引导机器人在 9,000 平方英尺的办公空间内完成各种任务。

例如，一位员工请求机器人带他去画画的地方。机器人回答后，迅速将员工带至一块大型白板前。在另一个视频中，机器人根据白板上的指示，成功导航至“蓝色区域”。

在制作这些视频之前，团队通过“多模式指导导航和演示游览 (MINT)”技术，让机器人熟悉办公空间，并用语音标注不同的地标。随后，通过分层视觉-语言-动作 (VLA) 技术，结合环境理解和常识推理，使机器人能够响应书面、绘制的命令和手势。

谷歌表示，在与员工的 50 多次互动中，机器人的成功率约为 90%。