我們擅長商業(yè)策略與用戶體驗的完美結(jié)合。
歡迎瀏覽我們的案例。
IT之家 7 月 13 日消息，科技媒體 The Verge 昨日報道，谷歌旗下的 DeepMind 團(tuán)隊正在使用 Gemini 訓(xùn)練其機(jī)器人，讓其能夠完成更復(fù)雜的任務(wù)，且能在復(fù)雜的環(huán)境下自由穿梭。
DeepMind 團(tuán)隊已經(jīng)發(fā)表了最新的研究論文，利用 Gemini 1.5 Pro 的上下文窗口(達(dá)到 200 萬個詞元)，讓用戶可以更輕松地使用自然語言指令與 RT-2 機(jī)器人互動。
IT之家注：上下文窗口(context window)是指語言模型在進(jìn)行預(yù)測或生成文本時，所考慮的前一個詞元(token)或文本片段的大小范圍。
其工作原理是拍攝指定區(qū)域(如家庭或辦公空間)的視頻導(dǎo)覽，研究人員使用 Gemini 1.5 Pro 讓機(jī)器人“觀看”視頻以了解環(huán)境;然后，機(jī)器人可以根據(jù)觀察到的情況，通過語言和 / 或圖像輸出來執(zhí)行命令。
例如用戶向機(jī)器人展示一部手機(jī)，并詢問“在哪里可以充電?”，機(jī)器人會引導(dǎo)用戶找到室內(nèi)的電源插座。
DeepMind 稱，在一個 9000 平方英尺(IT之家備注：約 836.13 平方米)的操作區(qū)內(nèi)，機(jī)器人在升級 Gemini 之后，測試發(fā)出 50 多條用戶指令，成功率高達(dá) 90%。
研究人員還發(fā)現(xiàn) "初步證據(jù)" 表明，Gemini 1.5 Pro 能讓機(jī)器人計劃如何完成導(dǎo)航以外的指令。
例如，當(dāng)一位桌上擺放著許多可樂罐的用戶詢問機(jī)器人是否有他們最喜歡的飲料時，Gemini “知道機(jī)器人應(yīng)該導(dǎo)航到冰箱，檢查是否有可樂，然后返回用戶處報告結(jié)果”。DeepMind 表示計劃進(jìn)一步研究這些結(jié)果。
