IT之家 7 月 13 日消息，科技媒體 The Verge 昨日報道，谷歌旗下的 DeepMind 團隊正在使用 Gemini 訓練其機器人，讓其能夠完成更復雜的任務(wù)，且能在復雜的環(huán)境下自由穿梭。

　　DeepMind 團隊已經(jīng)發(fā)表了最新的研究論文，利用 Gemini 1.5 Pro 的上下文窗口(達到 200 萬(wàn)個(gè)詞元)，讓用戶(hù)可以更輕松地使用自然語(yǔ)言指令與 RT-2 機器人互動(dòng)。

　　IT之家注：上下文窗口(context window)是指語(yǔ)言模型在進(jìn)行預測或生成文本時(shí)，所考慮的前一個(gè)詞元(token)或文本片段的大小范圍。

　　其工作原理是拍攝指定區域(如家庭或辦公空間)的視頻導覽，研究人員使用 Gemini 1.5 Pro 讓機器人“觀(guān)看”視頻以了解環(huán)境;然后，機器人可以根據觀(guān)察到的情況，通過(guò)語(yǔ)言和 / 或圖像輸出來(lái)執行命令。

　　例如用戶(hù)向機器人展示一部手機，并詢(xún)問(wèn)“在哪里可以充電?”，機器人會(huì )引導用戶(hù)找到室內的電源插座。

　　DeepMind 稱(chēng)，在一個(gè) 9000 平方英尺(IT之家備注：約 836.13 平方米)的操作區內，機器人在升級 Gemini 之后，測試發(fā)出 50 多條用戶(hù)指令，成功率高達 90%。

　　研究人員還發(fā)現 "初步證據" 表明，Gemini 1.5 Pro 能讓機器人計劃如何完成導航以外的指令。

　　例如，當一位桌上擺放著(zhù)許多可樂(lè )罐的用戶(hù)詢(xún)問(wèn)機器人是否有他們最喜歡的飲料時(shí)，Gemini “知道機器人應該導航到冰箱，檢查是否有可樂(lè )，然后返回用戶(hù)處報告結果”。DeepMind 表示計劃進(jìn)一步研究這些結果。

發(fā)揮雙重優(yōu)勢布局數實(shí)融合

最后一頁(yè)