谷歌在周五的一篇博客文章中表示，谷歌正在利用为人工智能聊天机器人 Bard、ChatGPT、Claude 2 等提供支持的系统等技术，帮助机器人快速、更高效地完成任务。

谷歌 DeepMind 机器人技术负责人 Vincent Vanhoucke 在帖子中表示，谷歌的 Robotics Transformer 2（RT-2）是“首个视觉语言动作（VLA）模型” 。与人工智能聊天机器人背后的大型语言模型类似，它基于网络上的文本（和图像）数据进行训练，以“直接输出机器人动作”。

Vanhoucke 表示，让机器人使用人工智能来理解周围的世界比聊天机器人更困难。人工智能聊天机器人只需要吸收有关特定主题的大量文本数据，天辰收益并能够以人类易于理解的方式排列这些信息，而机器人则需要真正理解周围的世界。认出苹果是一回事。区分红美味苹果和红球并拾取正确的物体是另一回事。

随着 OpenAI 去年年底推出 ChatGPT，众多公司纷纷将人工智能技术推向市场。人工智能聊天机器人已经渗透到编码、 大学申请 流程和约会应用程序中。谷歌本身正在将人工智能作为其业务的核心焦点——5月份谷歌I/O 开发者大会上，公司演讲者在谷歌两小时的主题演讲中提到“AI”超过 140 次就证明了这一点 。


机器人技术只是人工智能模型可以改变技术变得更加智能的另一个领域。对于谷歌的投资者来说，该公司在机器人技术方面的进步可能会带来良好的业务。Grand View Research 的数据 显示，工业机器人行业目前价值 300 亿美元，预计到 2030 年将达到 600 亿美元。

过去，工程师想要训练机器人扔掉一块垃圾，首先必须训练机器人识别垃圾（涉及很多参数），弯下腰，捡起它，举起它向上，向后弯曲，识别垃圾桶，将机械臂移到垃圾桶上并扔掉垃圾。正如您可能已经猜到的那样，这是一个缓慢而单调的过程。谷歌表示，通过从网上找到的大量图像数据中提取 RT-2，机器人可以快速接受训练，了解垃圾是什么以及如何捡起并扔掉它。

Vanhoucke 说，机器人可以使用少量的训练数据来“传输嵌入其语言和视觉训练数据中的概念，以指导机器人的行动——即使是从未接受过训练的任务”。天辰收益在《纽约时报》的演示中，当机器人被要求从一组其他玩具中捡起一只灭绝的动物时，它能够识别并举起一只玩具恐龙。在另一项挑战中，机器人能够拿起一辆玩具大众汽车并将其移向德国国旗。