Embodied Reasoning
机器人观察自身身体状态和周边空间,自主决定接下来该做什么、按什么顺序做的能力
简单来说
体化推理是机器人观察自己身体目前是什么姿态、眼前空间里有什么,然后自主决定接下来要做什么、按什么顺序做的能力。
可以联想导航软件和司机的关系来理解。导航软件负责决定"接下来左转",而真正转动方向盘、踩踏板的是司机。体化推理扮演的正是前面导航软件的角色。它与人对话、观察房间、规划需要花上几分钟、包含多个步骤的任务。而实际移动身体去抓取物品、行走,则由另一个模型负责。
这种能力在事情不按计划进行时尤其重要。在需要数百次判断的长任务中,如果某一步失败,机器人不会从头再来,而是回到那个环节自行修正后继续完成任务。当多台机器人共同分担同一项工作(比如打扫)时,决定先后顺序、协调彼此不发生碰撞,也属于这一领域的工作。
在报道中是这样出现的
文章中通常这样使用:"Gemini Robotics-ER 2是一款体化推理模型,负责机器人的高层判断。"容易产生的误解是以为这个模型直接控制机器人的手臂和腿部动作,但实际动作由另一个视觉-语言-动作模型负责,体化推理模型只负责规划和判断。