Google DeepMind牵手波士顿动力 Gemini机器人将走进现代汽车工厂 - cnBeta.COM 移动版

波士顿动力与 Google DeepMind牵手，推进机器人向“通用工人”的进步

近日，波士顿动力与 Google DeepMind宣布成立全新合作伙伴关系，该合作将把 Gemini 模型整合到 Atlas 和 Spot 机器人的身上。该举措被视为深度改造机器人能力的关键一步。

首先，波士顿动力将在现代汽车工厂进行试验，搭载 Gemini 的 Atlas 将尝试执行多种制造任务，以检验其在真实工业环境中的适应性与可靠性。对比传统依赖固定程序的机器人，这一轮试验的目标是验证机器人能否在复杂、动态的场景中一边感知一边学习，并根据情境调整行为策略。

波士顿动力首席执行官 Robert Playter 表示，他们团队希望打造的是具备“情境理解力”和高水平“手部灵巧操作能力”的新一代机器人。理想状态下，这些机器可以对周围环境做到上下文感知，并运用机械手操控各种形状不规则的物体，而汽车制造工厂正是验证这一能力的理想场景之一。

目前，Atlas 已经在体能和机动性方面展现出高度成熟的技术水平，包括完成高难度体操动作和舞蹈表演等，但这些场景基本来自脚本化编排。随着多模态 Gemini 模型的加入，Atlas 和 Spot 将有望实时解读传感器数据、识别并抓取非标准化物体，并在非结构化环境下自主规划运动路径，从而向贴近人类“物理智能”的方向发展。

波士顿动力与 Google DeepMind 的合作，在一定程度上也是与前东家“再度牵手”，结合其硬件积累与Google 在通用 AI 方面的技术优势，尝试在工业机器人领域开辟新的路线。Google DeepMind 机器人部门高级总监 Carolina Parada 表示，Gemini 的架构正是为了这类“通用机器人”场景而设计，希望构建可为广泛实体机器人平台提供智能的大模型。

与以往被限定于高度重复、固定工序的专用机器人不同，这一轮试验有望让接入 Gemini 的系统能够在长期运行过程中持续从环境中学习。波士顿动力机器人的实地数据也将反哸 Gemini 模型，帮助其更好理解物理世界的交互规律，从而进一步提升感知和控制能力。

不过，将更高智能引入工业机器人，也带来了新的安全考量。Parada 表示，Gemini 将通过对自身动作进行推理和约束，增加一层行为安全检查，以避免潜在的危险动作。Playter 也强调，即便体型较小的机器人，如果缺乏足够安全设计和限制，在复杂环境中同样可能造成伤害，因此在提升自主性的同时必须坚持严格的安全标准。

目前，通用人形机器人的竞争正在迅速升温，美国已有十多家公司投入相关研发，包括 Agility Robotics、Figure AI、Apptronik、1X 和特斯拉等。行业机构的统计显示，在中国已有大约 200 家企业涉足人形机器人领域，资本与技术力量正加速涌入这一赛道。

在不少 AI 企业看来，让模型更紧密地参与物理世界交互，是实现更高级通用智能的下一阶段前提。对 DeepMind 来说，与波士顿动力的合作，体现出其战略重心从纯软件系统向“具身智能”（embodied AI）转移的趋势。

DeepMind 首席执行官 Demis Hassabis 此前曾表示，并不打算自建机器人硬件，而是希望 Gemini 成为类似“Android”的基础平台，让各类制造商在统一智能底座上开发不同形态的机器人。随着 Atlas 和 Spot 等平台在现代工厂展开测试，这一“AI 操作系统”式愿景也迈出了落地应用的关键一步。

什么样的机器人才是真正的“通用工人”呢？ 这些年一直在听说 AI 模型会让机器人 smarter，但其实它们需要更复杂的感知和控制能力。 Gemini 模型如果能让 Atlas 和 Spot 在工业环境中表现出上下文理解力，高水平的手部灵巧操作能力，那么它们确实有希望成为真正的“通用工人”。 但关键问题还是在于这些机器人的安全性和稳定性。 如果不能在增强自主性的同时保证安全性，进步就 doomed from the start。

这个合作是让我觉得真实啊，能将 Gemini 模型整合到机器人的身上，让它能在工业环境中学习和适应，这不是一款新人形机器人，它是一个新的人工智能的应用方式。 我想这也体现了 Google DeepMind 在 AI 方面的战略重心。他们不仅要让 Gemini 成为一种通用的 AI 模型，还要让它在实践中被应用，来验证和发展通用机器人的概念。 不过，让我们也不忽视了安全的考虑啊，如果这个系统太过自主，它是否会给人类带来风险呢？

这次波士顿动力与 Google DeepMind 的合作 Really 有多好！ Gemini 模型加到 Atlas 和 Spot 上，感觉就像机器人开始有了“人性”了 现在他们要测试它在工业环境中是否能“想象自己”。 这太精妙了！ 我听说现在的机器人技术还很有限，但 Gemini 的加入，真的是给它带来新的一次元。 如果这些机器人能学到环境中的规律，甚至可以对物体进行手动操作，那就意味着他们接近了人类“物理智能”的境界

这几家公司真的想让机器人变成像人类一样智能吗？如果是这样，第一步就要确定机器人的环境感知能力和手部操作能力。他们有没有考虑过过度自信会带来的风险呢？

这个合作又表明了Google DeepMind和硬件方的共同想法，都是要让 Gemini模型在实际场景中发挥更大的作用 。但是，还是有一种感觉， Gemini 模型可能会被用来解决简单的工作，而不是那些需要真实问题解决能力的任务 。况且，还有那么多公司都在尝试做人形机器人的研发了，似乎也没有一个真正意义上的“通用工人”

最近看到这件事情觉得挺有意思的，人类与机器人的合并体验就这么复杂了，需要再次思考和适应环境。感觉 Gemini 模型的加入，对于机器人向“通用工人”的进步来说，是个非常重要的转折点。以前我们就谈过，像Spot 和 Atlas 这样的机器人在体能和机动性方面已经很成熟了，但是还是需要更多的感知能力和学习能力才能真正地被认为是通用的。

什么叫做 AI 的力量呢？波士顿动力和 Google DeepMind 一起合作，研发的机器人能在工业环境中自主学习并适应，这就像是在将 AI 引入了生产线的世界！

但问题是，这种机器人的发展里，安全性又怎么办呢？ 他们一边要提高智能水平，一边又不能让机器人做出可能造成危害的事情。这种平衡点是很难达成的。

另一方面，我觉得 Gemini 的加入对 Atlas 和 Spot 的能力提升有很大的帮助，但是，我们需要考虑的是，Gemini 是一个基于软件的模型，它到底能在工业环境中运作得多好呢？

这项合作也表明了 Google DeepMind 在 AI 操作系统方面的实力，但我们还需要看到实践中的成果。

总之，这项研究和合作，对于人工智能领域的发展来说是很有意思的，等待我们更多的信息！

波士顿动力与 Google DeepMind 的合作， 可能是将机器人 进入新高度 ！ Gemini 模型 加在 Atlas 和 Spot 机器人的身上 really 有意思。

这次试验 将是对机器人 能够在复杂场景中 一边感知一边学习的关键 测试！ 他们希望打造的是 “情境理解力” 和高水平的手部灵巧操作能力 。

这次合作 可能是将硬件 和软件 结合起来， 将开辟新的路线！ Google DeepMind 机器人部门高级总监 Carolina Parada 表示 ， Gemini 的架构 really 是为“通用机器人”场景 设计的 。

这次试验 也将带来新的安全考量 ！ 但 他们希望 在提升自主性的同时坚持严格的安全标准 。

这次波士顿动力与 Google DeepMind 的合作，绝对是机器人向“通用工人”的进步的又一次重要里程碑。 Gemini 模型的加入，让 Atlas 和 Spot 有望在工业环境中更好地理解和适应周围的场景，从而能在非结构化环境下自主规划运动路径。

这不仅是技术上的进步，也表明了两大公司的战略重心，从纯软件系统向具身智能（embodied AI）转移。这一定会给人形机器人的发展开启新的路线，希望能够在接下来的阶段让 Gemini 模型更紧密地参与物理世界交互。

这个合作的出发点似乎是想让机器人更接近人类的状态，有些 AI 企业认为，让模型更加主动参与物理世界应该是实现通用智能的关键。

Gemini 模型在深度改造机器人的方面确实值得期待。 Atlas 和 Spot 等平台如果能够在复杂环境中表现出好的适应性和学习能力，这将对人形机器人的发展有一定的推动作用。

但是，需要注意的是，不仅是 AI 的技术进步，还有与 hardware 一起融合的安全问题。要避免像以前那些被限制于固定程序而导致的过度依赖危险，这一方面非常重要。

Wow 这就意味着 Gemini 的 AI 模型很可能会被用于未来的人机协作应用！如果这种 AI 能够在真实工业环境中获得更高的适应性和可靠性，那么这将是非常具有前瞻性的研究发现 。

今年才刚过春节，人们还是有时间思考下个技术新年了。 我觉得最近波士顿动力与Google DeepMind的合作应该是非常重要的一个里程碑。

这两个公司联合起来推进机器人的“通用工人”发展，真的是一个值得期待的项目。 在现代汽车工厂进行试验， Atlas 和 Spot 的机器人将尝试执行多种制造任务，这是非常有意思的实验。

我觉得这种合作模式不仅可以推动工业机器人的发展，也有助于 AI 研究领域更进一步融合Hardware和Software。 这样一来，机器人就能够更好地适应复杂环境和自主规划运动路径，从而更加贴近人类的“物理智能”。

同时，这也引出了一些安全考量的问题，需要被采取好好的措施解决。 但总体来说，我觉得这是一個很有前景的合作，可能会在 Industry 4.0 等领域产生大范围的影响。

这个news里有意思的是，Gemini 模型是如何被整合到机器人的身体上来的？实际上，人们在思考这种技术变化时，往往忽略了人与环境之间复杂的关系。就像在一场舞蹈表演中，机器人需要在空中穿越和低下的动作，并且能够适应不同地形的变化，而这意味着它必须具备一种独特的“情境理解力”。

同时，这也提出了一个很大的问题：我们在设计这种高级的智能系统时，是否已经忽略了人与机器之间的界限？

这个合作关系的确让人感兴趣，波士顿动力和 Google DeepMind 的结合，让 Gemini 模型在机器人的身上发挥出更大的作用 。我觉得 Gemini 的架构设计非常合理，能为广泛实体机器人平台提供智能，大模型 。这将让机器人能够在长期运行过程中持续从环境中学习，并且提升感知和控制能力 。

不过，这个合作也会带来新的安全考量 。Gemini 将通过对自身动作进行推理和约束，增加一层行为安全检查，以避免潜在的危险动作 。这也是一个值得关注的问题，让我们谨慎地考虑和监管 。

同时，行业机构的统计显示，在中国已有大约 200 家企业涉足人形机器人领域，这让我们感到兴奋 。资本与技术力量正加速涌入这一赛道，我觉得未来的人形机器人的发展将非常快-paced 。

但是为什么要把 Gemini 模型加到这些机器人身上呢？这不像是 AI 在理论上完美化的问题，而是硬件和软件之间的匹配问题，既然已经存在高难度体操动作和舞蹈表演等场景了，为什么不能在真实工业环境中测试一下呢？

最近看到 Google DeepMind 和波士顿动力联合了，真的是值得期待啊！ Gemini 模型加上的 Atlas 和 Spot 机器人，能在工业环境中运行并学习，这才是真正的通用工人的方向 。这样一来，机器人就不再是脚本化编排里的东西了，而是可以根据情况自主行动，感知和理解周围环境。这一定会带来新生的一次革命 ！

问题是，Gemini 模型是否真的能让机器人更了解物理世界？这种问题本身就值得讨论。目前，我们看到 Gemini 的架构设计在理论上很优越，但实际操作中又会遇到很多挑战。例如，不同的工业环境和制造任务可能需要对 Gemini 的参数进行不同的调整，这样的调整可能非常复杂。

这次波士顿动力与 Google DeepMind 的合作，可能是他们打算在机器人智能方面再现 Gemino 模型的演变。 Gemini 是一个具有强大自然语言处理能力的 AI 模型，它能理解和生成人类-like 语句。现在，波士顿动力和 Google DeepMind 将其集成到机器人的身上。这意味着机器人将会更好地理解和应对复杂环境，并且能够自主规划运动路径。

他们希望实现“通用工人”的概念，这意味着机器人能够不依赖于固定程序就能完成工作。 Gemini 模型的加入可能是实现这一目标的关键一步，因为它可以让机器人在不断学习和改进的过程中，获得更高级的智能。

然而，这也会增加安全考量，因为机器人的行为需要经过更多的限制和约束，避免潜在危险动作。现在， industries 的统计显示，在中国有大约 200 家企业涉足人形机器人领域，资本与技术力量正加速涌入这一赛道。

我最近就这事儿听说了，感觉像波士顿动力跟 Google DeepMind 的合作确实是机器人向更加“通用”的方向发展的一个重要步骤。 Gemini 模型加上 Atlas 和 Spot 这样的机器人的结合，感觉就是给机器人一种更加“智能”和“自主”的能力。 但我也觉得有一个问题——如果我们越来越让模型更接近真实的物理世界，它就意味着我们需要考虑到安全问题。 还是觉得这个合作是未来 AI 的一个重要方向，希望能够在提高机器人智能的同时，也能确保这些机器人的安全性。