谷歌发布视觉语言行动模型训练机器人扔垃圾

谷歌正在把先进的人工智能（AI）模型植入机器人，给机器人配一个AI大脑。

美东时间7月28日周五，谷歌公司宣布推出应用于机器人领域的新产品——名为Robotics Transformer 2（RT-2）的AI模型。它是一种全新的“视觉-语言-行动”（VLA）模型，可以帮助训练机器人理解扔垃圾等任务。

谷歌介绍，RT-2基于Transformer模型，根据互联网上的文本和图像进行训练，直接指示机器人执行动作。就像用语言模型通过网络文本训练AI学习人类社会的思想和概念一样，RT-2也可以通过网络数据，将相关知识告知机器人，指导机器人的行为。

谷歌举例称，如果我们要让以前的机器人系统做出扔垃圾的动作，就必须明确训练机器人懂得区分何为垃圾，以及捡起垃圾、扔掉它这些动作。而RT-2能将网上的相关知识传给机器人，让机器人无需明确的训练，就懂得垃圾是什么，甚至即便从未受过如何扔垃圾的训练，也知道怎么扔垃圾。

谷歌表示，RT-2具有将信息转化动作的能力，借助它，机器人有望更快适应全新的情形和环境。

因为在6000多次测试RT-2 模型的机器人试验后，谷歌的团队发现，面对训练数据中已有的任务、或者说“见过”的任务，RT-2和它的前代RT-1一样发挥功能，没有差别。而在新颖的、之前从未见过的任务情形中，RT-2的性能几乎提高一倍，成功率达到62%，远超RT-1的32%。

换句话说，通过RT-2，机器人能像人类一样学习更多内容，将学到的概念应用于全新的情境中。

谷歌称，RT-2显示出超越其所接触机器人数据的推广应用能力和语义、视觉理解能力，包括解释新的命令，并通过基本的推理响应用户的指令，比如关于物体的类别和高层次描述的推理。

谷歌的研究还表明，通过结合思维链的推理，RT-2能执行多阶段的语义推理，比如判断哪种物体可以临时用作锤子，哪一类饮料最适合疲劳的人。

有媒体周五称，谷歌目前没有立即计划大规模发布或者出售应用RT-2的机器人，但最终，这些机器人可能用在仓库或者用作家庭助理。