7月12日，國際科技界傳來新動態(tài)，谷歌正借助其先進的Gemini AI系統(tǒng)，深化對旗下機器人的訓練，旨在顯著提升它們的導航能力和任務執(zhí)行能力。DeepMind機器人團隊最新發(fā)布的研究論文，詳細闡述了如何利用Gemini 1.5 Pro的強化長上下文窗口功能，極大地優(yōu)化了用戶通過自然語言指令與RT-2機器人交互的體驗。

這一創(chuàng)新技術的核心在于，機器人首先通過拍攝并分析家庭或辦公室等指定區(qū)域的視頻，利用Gemini 1.5 Pro的強大能力來“學習”并理解其所在環(huán)境。隨后，機器人能夠基于這些視覺信息，靈活運用語音和/或圖像反饋，執(zhí)行用戶的復雜指令。例如，當用戶詢問“我在哪里可以給手機充電？”時，機器人能迅速識別環(huán)境，并引導用戶至最近的電源插座。

據DeepMind透露，在覆蓋超過9，000平方英尺的測試區(qū)域內，這些由Gemini驅動的機器人成功響應并完成了50多項不同用戶指令，成功率高達90%，展現(xiàn)了極高的準確性和效率。

更令人振奮的是，初步研究還揭示了Gemini 1.5 Pro賦予機器人的額外能力——即除了精準導航外，還能規(guī)劃并執(zhí)行更為復雜的任務指令。例如，面對詢問是否有特定飲料的用戶，機器人能夠自主決定前往冰箱檢查，隨后返回并報告結果，這一連串動作展現(xiàn)了其強大的決策與執(zhí)行能力。

盡管在視頻演示中，機器人對每條指令的迅速確認給人留下了深刻印象，但研究報告也誠實地指出了背后隱藏的“秘密”——處理這些復雜指令實際上需要10至30秒的時間。這表明，盡管技術進步顯著，但實現(xiàn)完全無縫的人機交互仍需時日。

不過，這一系列的進展無疑為我們描繪了一幅未來生活的美好圖景：或許不久的將來，我們就能與這些高度智能化的機器人共享家園，讓它們幫助我們找到遺失的鑰匙、錢包，甚至是執(zhí)行更多日常生活中的瑣碎任務，極大地提升生活的便捷性與舒適度。