谷歌推出RT-2 AI模型：将视觉和语言转化为机器人动作

据外媒报道，谷歌于7月29日推出了一款名为Robotics Transformer2 (RT-2) 的人工智能学习模型，旨在提升其机器人的智能水平

据报道，RT-2是一种创新的视觉语言行动模型，可以使机器人更准确地识别视觉和语言模式，从而能够解释指令并推断出最适合请求的对象

据该公司在一篇论文中的表述，他们使用了谷歌自家的Bard等大型语言模型的研究成果，通过在网络和机器人数据上进行训练，并结合机器人数据，如关节运动，成功开发出了一种新模型。此新模型还具备识别除英语以外的其他语言的能力

多年来，研究人员一直努力提升机器人的推理能力，以解决其在现实环境中生存的问题。然而，在实际生活中，机器人需要更多的指导才能执行人类的简单任务，例如清理洒出的饮料。人类天生具备这种能力：捡起玻璃杯，用工具清除残羹剩饭，然后将其丢弃

之前，训练机器人需要耗费大量时间。研究人员需要逐个编写指令。然而，通过使用强大的RT-2和其他VLA模型，机器人能够利用更广泛的信息集来推测下一步该采取的行动