谷歌通过引入机器人变压器在提高机器人智能方面取得了重大进展。这种先进的人工智能学习模型建立在谷歌的视觉-语言-行动模型之上，使机器人能够更有效地识别视觉和语言模式。这使他们能够准确地解释指令并确定最适合特定请求的对象。
在最近的实验中，研究人员在模拟厨房办公室场景中用机械臂测试了RT-2模型。机器人成功地识别了一个临时锤子，并选择了一种饮料来提供给一个筋疲力尽的人。令人惊讶的是，当被指示将可乐罐移动到泰勒斯威夫特的照片上时，机器人透露了它对这位著名歌手的偏好。
为了开发这个模型，谷歌使用网络和机器人数据的组合来训练RT-2，利用大型语言模型的进步，如谷歌的专有语言模型Bard。通过将语言数据与机器人信息相结合，包括机器人运动的知识，谷歌在增强机器人的能力方面取得了成功。此外，RT-2还展示了对英语以外语言方向的理解能力，展示了人工智能驱动机器人在跨语言能力方面的进展。
在开发像RT-2这样的VLA模型之前，教学机器人需要为每个特定任务进行广泛的单独编程。然而，这些先进的模型使机器人能够利用大量的信息，使他们能够在旅途中做出明智的决定。
谷歌对智能机器人的追求始于将其语言模型LLM PaLM集成到机器人技术中，从而创建了PaLM-SayCan系统。该系统将语言模型与物理机器人技术相结合，为谷歌目前的成就奠定了基础。
尽管有这些进步，但新机器人并非没有缺陷。在现场演示中，机器人在准确识别苏打水口味方面遇到了困难，偶尔会错误地将水果识别为白色。这些缺点凸显了在为实际应用完善人工智能技术方面持续存在的挑战。
谷歌继续在提高人工智能驱动机器人的能力方面取得长足进步，尽管需要进一步的进展来克服现有的缺陷并使其更加可靠和高效。
