生成式人工智能模型正在更接近在现实世界中采取行动。大型人工智能公司已经在推出人工智能代理（agents），它们能够为你处理基于网络的繁琐事务，如订购食品杂货或预订晚餐。如今，谷歌DeepMind宣布了两款旨在为未来机器人提供动力的生成式人工智能模型（ ...

根据谷歌博客展示，Gemini 2.5 Pro 在创建视觉上吸引人的 Web 应用程序和智能体代码应用方面表现尤为出色。例如，它能够利用其推理能力，从一行提示中生成完整的视频游戏可执行代码。在专业代码评估基准 SWE-Bench Verified 上 ...

各个科技公司正不断推出新的应用场景和能力。尽管最初被OpenAI刺激而被动反应，但凭借深厚的技术积累和广泛的用户基础，Google正逐渐重新确立其在AI领域的领导地位。在这场AI竞赛中，Google用Gemini的亮眼表现证明了自己依然是绝对的主力选 ...

谷歌DeepMind称，这个新模型在构建有用机器人的三个关键领域取得了进展：通用性、交互性和灵活性。除了能够对新场景进行泛化之外，Gemini Robotics在与人及其周围环境的交互方面表现更佳。它还能够执行更精确的物理任务，比如折叠一张纸或者拧开瓶盖。

谷歌本次发布的Gemma 3有四个版本，最小的版本有10亿个参数，最大的版本有270亿个参数——但这也算是一个相当“瘦身”的AI大模型了。谷歌公司称，Gemma 3是该公司迄今为止开发的“最先进、最好用而且开发得最负责的一款开源大模型。” ...

但相比之下，其 DeepMind AI 团队目标更为宏大。 该团队专门开发了 两个全新的 Gemini 模型，专为机器人设计。 Gemini Robotics：赋予机器人视觉、语言与动作能力 第一个模型名为 “Gemini Robotics”，它是一个先进的 视觉-语言-行动（VLA）大模型，基于 Gemini 2.0构建。

Gemini Robotics可以解决需要高度灵巧性的多步骤任务 ... 这包括双臂平台，如ALOHA 2和Franka，但同时也适用于更复杂的实现，例如Apptronik开发的Apollo。 基于Gemini 2.0的机器人模型 Google DeepMind一直在研究如何让Gemini模型通过文字、图片、音频和视频的多模态推理来 ...

机器人领域，谷歌来好消息了， 谷歌DeepMind团队在把大模型的能力往机器人行动上用，用得很好，名字叫做Gemini Robotics。 一看名字就知道基础模型肯定是Gemini 模型了。 稳定性和精确性符合工业级别的标准。 尽管各式各样的机器人均表现出在柔性上大幅超过机械 ...

本文来自微信公众号：未尽研究 （ID：Weijin_Research），作者：未尽研究，原文标题：《谷歌Gemini Robotics，物理智能觊觎人形机器人安卓系统》，题图来自：AI生成 大模型正从语言、视觉向行动延伸。人形机器人还会现场写代码，出手解决问题。 谷歌DeepMind发布了 ...