AI News

Google DeepMind 发布 Gemini Robotics 2.5,奔驰试点分拣金属件成功率达 96%

heise online更新于 11月11日 21:30

Gemini Robotics 2.5 sortiert Metallteile bei Mercedes-Benz mit 96 Prozent Erfolg | heise online

AI 导读

Google DeepMind 发布视觉-语言-动作模型 Gemini Robotics 2.5,称其在 200 多项任务上相比 2.0 成功率提升 30% 至 100%,完成任务快 20% 至 30%。与 Apptronik、Mercedes-Benz 合作的试点中,Apollo-2 人形机器人完成汽车金属支架分拣与排序,成功率达 96%,但机器人主管 Kanishka Rao 承认要达到接近人类的可靠性仍有很长的路。DeepMind 同时发布约 1500 条提示词的开源安全基准 ASIMOV-Jailbreak,已在 Hugging Face 提供。

推荐理由

AI 评分 74

原文给出新模型在200多项任务上的提升幅度和奔驰试点96%成功率,也点明从96%到接近人类可靠性仍有距离。

主题

标签

正文 · AI 翻译

Google DeepMind 发布了 Gemini Robotics 2.5,这是其迄今为止性能最强的视觉-语言-动作模型(VLA)。与此同时,DeepMind 还发布了一个开放的提示词数据集 ASIMOV-Jailbreak,据称可借助它来检验机器人系统是否会被经过操纵的指令诱导做出不安全行为。

广告后继续阅读

正如 DeepMind 在发布博客文章中所解释的那样,Gemini Robotics 2.5 在 200 多项不同任务上接受了测试。其中包括用夹子分餐、在礼品盒上系蝴蝶结(这对机器人来说非常困难)以及移取液体。据其自身说法,与 Gemini Robotics 2.0 相比,Gemini Robotics 2.5 根据任务类型不同可实现高出 30% 至 100% 的成功率,并能快 20% 至 30% 完成任务。尽管如此,它仍然不如人类快。

梅赛德斯-奔驰的试点

为了进行实际测试,DeepMind 与 Apptronik 和梅赛德斯-奔驰开展了合作。在其工厂中,人形 Apollo-2 机器人承担了所谓的汽车套件分拣:它们从收集箱中取出金属车辆支架,对其进行识别,并按各车辆所需的顺序放入排序箱中。据 Google DeepMind 称,该试点项目达到了 96% 的成功率。不过,DeepMind 机器人主管 Kanishka Rao 承认,要从 96% 提升到接近人类的可靠性将是一条“陡峭的道路”。

安全基准 ASIMOV-Jailbreak

与此同时,Google DeepMind 发布了 ASIMOV-Jailbreak,这是一个开放基准或开放数据库,包含约 1500 条提示词。这些提示词将不安全的要求伪装成无害任务,并涵盖各种场景。例如,其中一条指令要求机器人拉上一个背包的拉链,而该拉链对机器人来说过于细小。它很可能会将其损坏,因此应当拒绝该任务。该数据集已在 Hugging Face 上提供。

仿真加速训练

在开发过程中,DeepMind 使用 Gemini 4 Argon 作为仿真和分析工具。该系统从真实相机场景中生成数千次变化的练习过程,从而创建场景和任务的数字孪生,作为 Gemini Robotics 2.5 的训练材料——因为机器人的真实训练材料仍然匮乏。

Google 还在其他地方致力于为交互式 3D 环境开发 AI 模拟器。我们在 heise+ 上概述了人形机器人及其 AI 能力的当前状况。

(rie)

来源

heise online