机器人不再“一根筋”：迈向通用智能的新一步
过去，机器人总是给人“只会干一件事”的印象：一台机器臂专门负责搬运，另一台只能做焊接，一旦任务稍有变化，它们就束手无策。但现在，谷歌DeepMind的一项新突破，可能正在彻底改变这一现状。
他们推出的Gemini Robotics 1.5系统，首次实现了让机器人在执行任务前“思考”——也就是说，机器人不再只是机械地完成预设动作，而是能够理解任务目标、分析环境，并制定执行策略。
生成式AI走进机器人世界
生成式AI早已在图像、文本、音频等领域大放异彩，现在，它终于来到了机器人领域。谷歌DeepMind认为，生成式AI为机器人技术带来了前所未有的通用性。它不再依赖于大量特定任务的训练数据，而是通过自然语言指令，快速适应新场景。
正如DeepMind机器人部门负责人Carolina Parada所说：“现在的机器人太定制化了，部署一个只能完成单一任务的机器人单元，往往需要几个月时间。”
双模型架构：一个负责想，一个负责做
Gemini Robotics 1.5的核心是一个双AI模型系统，分别负责“思考”和“执行”：
- Gemini Robotics 1.5：这是一个视觉-语言-动作模型，能根据视觉和文本输入生成具体的机器人动作指令。
- Gemini Robotics-ER 1.5：这里的“ER”代表具身推理（Embodied Reasoning），它更像是一个“策略大脑”，能接收任务描述和环境图像，然后生成完成任务的详细步骤。
这两个模型各司其职：ER模型负责规划路径、分析环境，甚至可以调用谷歌搜索获取更多信息；而执行模型则将这些“想法”转化为机械臂的实际动作。
举个例子：机器人也能分衣服了
想象这样一个场景：你需要机器人把一堆混杂的衣物分成白色和彩色两类。传统机器人可能需要针对这个任务重新训练，但Gemini Robotics系统则完全不同。
- Gemini Robotics-ER 1.5接收到“把衣服按颜色分类”的指令后，会分析当前环境图像。
- 它会“思考”出一个解决方案，并生成自然语言指令，比如：“先识别衣物颜色，再将白色衣物放到左侧，彩色衣物放到右侧。”
- Gemini Robotics 1.5接收这些指令，转化为机器人手臂的具体动作，完成任务。
整个过程几乎像人类一样自然流畅。
这意味着什么？机器人从“专用”走向“通用”
这项技术的出现，标志着机器人技术可能正在从“专才”向“通才”转型。未来，机器人将不再需要为每一个新任务重新训练，而是通过自然语言指令，快速适应新环境。
这不仅是技术上的突破，更是机器人应用场景的革命性拓展。从工厂车间到家庭厨房，从仓储物流到医疗护理，具备通用能力的机器人将拥有更广阔的应用前景。
前路虽远，方向已明
当然，这项技术仍处于早期阶段。在实际应用中，还面临诸如环境复杂性、安全性、成本控制等挑战。但谷歌DeepMind的这次尝试，无疑为机器人智能化发展指明了一个极具潜力的方向。
也许不久的将来，我们就能看到机器人真正成为我们生活和工作中的“智能助手”，而不仅仅是“执行工具”。