Google旗下的深度神经网络研究室DeepMind与机器人公司波士顿动力近期宣布建立新合作伙伴关系，计划将Gemini机器人模型整合进Atlas和Spot等机器人身上，并率先在现代汽车生产线上展开测试。这个合作被视为推动机器人从“预设动作执行者”向具备环境理解与灵巧操作能力的“通用工人”迈进的重要一步。
首先，波士顿动力将携带Gemini机器人的Atlas进行多种制造任务的尝试，在现代汽车工厂试验场。目标是验证机器人能否在复杂、动态的环境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罗伯特·贝勒（Robert Playter）表示，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。
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。随着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DeepMind的合作在一定程度上是与前东家“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卡罗丽娜·帕拉达（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。
汽车制造只是一个起点，未来目标是逐步扩展到更多行业应用，让机器人在更丰富的物理环境中执行任务。与以往被限定于高度重复、固定工序的专用机器人不同，接入Gemini系统有望在长期运行过程中持续从环境中学习。
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。
首先，波士顿动力将携带Gemini机器人的Atlas进行多种制造任务的尝试，在现代汽车工厂试验场。目标是验证机器人能否在复杂、动态的环境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罗伯特·贝勒（Robert Playter）表示，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。
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。随着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DeepMind的合作在一定程度上是与前东家“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卡罗丽娜·帕拉达（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。
汽车制造只是一个起点，未来目标是逐步扩展到更多行业应用，让机器人在更丰富的物理环境中执行任务。与以往被限定于高度重复、固定工序的专用机器人不同，接入Gemini系统有望在长期运行过程中持续从环境中学习。
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。
这个合作伙伴关系真的有多好？为什么Google DeepMind才会把Gemini模型融入到Atlas和Spot身上呢？前面说过一些目标，但实际上是如何实施的呢？ 
但是，需要注意的是，这一突破也带来了新的安全考量。 
我们是否真的 ready 来让机器人在更丰富的物理环境中执行任务？ 
。Gemini机器人的加入会使Atlas和Spot等机器人能够更好地理解环境，做出更加精细的运动规划 
。
，我期待着看到这些机器人在现代汽车生产线上能否给我们展现出更好的技术水平。
。如果这类机器人的智能水平太高，确实可能会带来一些风险和挑战。还是希望这些公司能够在推动技术进步的同时，也能做好对其后果的考虑 
。
️。这个方向的研究似乎要走向了更加复杂的 AI