【財新網(wǎng)】機(jī)器人AI引入大語言模型，即使遇到見過的新情況，也能理解。谷歌近日推出AI機(jī)器人模型Robotics Transformer 2（RT-2），作為視覺-語言-動作（vision-language-action，VLA）模型，RT-2配備了大語言模型技術(shù)，直接從互聯(lián)網(wǎng)學(xué)習(xí)知識，可以識別物體、理解語言命令，然后做出有邏輯的動作。

　　RT-2主要有三種能力：符號理解（Symbol understanding）、推理（Reasoning）和人類識別（Human recognition），依靠這些能力，機(jī)器人可以理解“撿起即將從桌子上掉下來的袋子”或“把香蕉移到2加1的和的標(biāo)志那里”這樣的命令——其中的物體或場景是原有機(jī)器人數(shù)據(jù)中從未有過的，機(jī)器人模型使用了互聯(lián)網(wǎng)的知識，最后完成操作。