谷歌在人工智能与机器人领域的探索如同猛虎插翅，其技术在836平方米的复杂环境中，指令执行成功率竟可达到90%。
编辑日期：2024年07月13日
DeepMind的研究团队近期发布了一篇新论文，他们借助 Gemini 1.5 Pro 的广阔上下文窗口（可容纳200万个词汇元素），使得用户能够更便捷地通过自然语言指令与RT-2机器人进行沟通。
请注意，语境窗口（context window）是指在语言模型预测或创造文本的过程中，所涵盖的先前词汇（token）或文本段落的范围限制。
该系统运作的机制是拍摄特定区域（例如住宅或办公室）的视频巡览，随后科研人员利用 Gemini 1.5 Pro 让机器人“学习”环境知识；之后，根据所吸收的信息，机器人能够通过语言及/或图像的形式执行指令。
当用户展示一部手机并问“如何能找到充电的地方？”，机器人会协助用户寻找到室内的电源插口。
升级为Gemini后，DeepMind的机器人在近9000平方英尺的操作区域内接受了测试，成功执行了超过50个用户指令，成功率达到了90%。
研究人员揭示了“初步迹象”，表明Gemini 1.5 Pro能使机器人学会如何执行除导航外的其他任务。
比如，面对一个桌上摆满可乐罐的用户询问是否备有他们最爱的饮品时，Gemini 能理解应去冰箱查找，确认是否有可乐，再回到用户身边告知结果。DeepMind 计划深入探究这些发现。
大家在看
AI安装教程
AI本地安装教程
微软AI大模型通识教程
微软AI大模型通识教程
AI大模型入门教程
AI大模型入门教程
Python入门教程
Python入门教程
Python进阶教程
Python进阶教程
Python小例子200道练习题
Python小例子200道练习题
Python练手项目
Python练手项目
Python从零在线练习题
Python从零到一60题
