7月29日消息，據(jù)外媒報道，日前，谷歌推出一款名為Robotics?Transformer2(RT-2)人工智能學(xué)習(xí)模型，旨在使其機(jī)器人更加智能。

據(jù)悉，RT-2是一種視覺語言行動模型的新版本，可教會機(jī)器人更好地識別視覺和語言模式，以解釋指令，并推斷出最適合請求的對象。

該公司在一篇論文中表示，新模型在網(wǎng)絡(luò)和機(jī)器人數(shù)據(jù)上進(jìn)行訓(xùn)練，利用谷歌自己的Bard等大語言模型的研究進(jìn)展，并將其與機(jī)器人數(shù)據(jù)，如要移動的關(guān)節(jié)結(jié)合起來。它還能識別除英語以外的其他語言的方向。

多年來，研究人員一直試圖給機(jī)器人灌輸更好的推理能力，以解決如何在現(xiàn)實環(huán)境中生存的問題。但在現(xiàn)實生活中，機(jī)器人需要更多的指導(dǎo)才能為人類做一些簡單的事情。例如，清理灑出的飲料。人類本能地知道該怎么做：撿起玻璃杯，找個東西把殘羹剩飯清理掉，扔出去。

以前，訓(xùn)練機(jī)器人需要很長時間。研究人員必須單獨編寫指令。但借助RT-2等VLA模型的強(qiáng)大功能，機(jī)器人可以訪問更大的信息集來推斷下一步該做什么。