이미지: Google DeepMind (YouTube) 영상 갈무리 · METAL LAB 편집
摘要
- 谷歌DeepMind于8月7日在YouTube上发布了一段以采访形式呈现的人形机器人Apollo视频
- Apollo在厨房家务、体育运动、车库整理三项任务中,回答称扎垃圾袋是最难的
- 在车库整理任务中,它与另一台机器人"Duo"协作,完成了关闭收纳箱并将其放回原位的工作
在谷歌DeepMind于8月7日发布在YouTube上的采访视频中,人形机器人Apollo表示,在它用自家机器人模型Gemini Robotics 2完成的三项任务里,最难的并非需要全身平衡的运动动作,而是用指尖系紧垃圾袋这种精细操作。这段视频采用采访形式制作,由真人拿着话筒提问,Apollo则亲自作答。
什么是Gemini Robotics 2
Gemini Robotics 2是谷歌DeepMind打造的机器人专用模型,属于视觉-语言-行动(VLA)系列,能够同时处理文本、图像与动作(action)信息。所谓VLA,是指机器人把摄像头拍到的画面和人类说的话结合起来理解,再转化为实际肢体动作的一种方式。虽然名字里带"Gemini",但它和聊天机器人应用不同,是专为拥有实体的机器人打造的模型。
三项任务,Apollo的回答出人意料
在视频中,Apollo亲自介绍了自己挑战的三项任务。
| 任务 | 内容 | Apollo的评价 |
|---|---|---|
| 高难度厨房挑战 | 系垃圾袋等 | 最难的一项 |
| 周六运动挑战 | 全身控制与平衡 | 承认这本来就是机器人的薄弱领域 |
| 杂乱车库挑战 | 与Duo协作关闭收纳箱并放回原位 | 完成得尤其出色 |
关于厨房任务,Apollo解释说,系紧垃圾袋其实是一件相当复杂的工作。它也承认,需要全身平衡的运动挑战对机器人来说同样是出乎意料的难题,但特意强调这项任务的难度还是比不上厨房家务。换句话说,靠指尖打结这种精细操作,对机器人而言比调动全身的运动能力更难跨越。
与Duo默契配合完成车库整理
在车库挑战中,Apollo透露自己与一台名为"Duo"的机器人共同作业。两者协作完成了关闭收纳箱、再将其放回原来位置的任务,它自评这一环节完成得尤其顺利。让一台机器人精准完成单个动作,和让多台机器人在同一空间里协调步调、共同作业,是完全不同难度级别的问题。在采访视频的结尾,Apollo说道:"我想专注于那些能真正帮到人们的日常任务。"
编辑视角
谷歌DeepMind没有选择常规的新品发布稿,而是让机器人以"受访者"身份出镜,这背后是想用对话的方式传达机器人模型的能力,而不是靠一张规格表说话。比起罗列参数量或跑分成绩,让机器人自己讲出哪里做得吃力,普通读者反而更容易摸清VLA模型的能力边界在哪里。持续关注这一领域模型的人会发现,以往的机器人演示视频总在强调炫酷动作,而这次反其道而行之,让机器人亲口说出"哪里做得不够好",这个安排本身就很值得留意。这种坦诚公开失败之处的方式,往往比夸大其词的演示更能赢得信任。
从实操角度看,这段视频证实了一件事——用指尖打结、系绳这类精细操作,依然比调动全身的动作更难攻克。如果有团队正在考虑在物流、服务场景中引入人形机器人,应该提前预设:相比全身移动或搬运物品,像打结、包装收尾这类精密作业的失败率可能更高,据此缩小试点范围会更稳妥。多台机器人协作的场景(就像视频里Apollo和Duo的案例)目前案例还不算多,先验证单台机器人的作业能力、再逐步过渡到协作阶段,是更现实的路径。
预计未来几周内,谷歌DeepMind很可能会推出更多类似形式的机器人采访视频。这段视频也折射出一个趋势:机器人基础模型的竞争,正在从"拼规格发布"转向"拼实际使用演示"。
评论