Google釋出RoboCat AI大模型　機器人部署大業見曙光？

DeepMind展示「RoboCat」的基礎AI模型，稱其為第一個能夠解決和適應多種任務的模型。DeepMind

看好全球勞動力短缺，機器人產業發展前景呼聲相當大，但為何即使機器人話題熱度高，實際落地應用卻不成正比，尤其在商用和服務領域，機器人的滲透率更是低迷。機器人業者認為，且拋開價格因素，當前機器人應用落地少的瓶頸主要在於，現有機器人應用軟體無法充分發揮完整機能。

近期大型語言模型（LLM）話題延燒，Google旗下DeepMind在不久前對外展示了名為「RoboCat」的基礎AI模型。DeepMind聲稱，該模型是第一個能夠解決和適應多種任務的機器人AI模型。此次DeepMind取得的突破性進展，也使得機器人在軟體層面的發展終於看見曙光。

大模型的出現，對機器人產業發展的意義為何？機器人業者坦言，過去機器人產業雖然常高喊以AI賦能，但實際上傳統AI並沒有那麼智慧化，主要是因爲訓練成本高、泛用能力弱，除了在機器人視覺領域上有較多應用外，在一些具連續性且複雜的操作、或有較多物理相互作用的領域，落地情況並不樂觀。

機器人是典型機電軟一體化的產品，軟體與硬體之間相輔相成。從硬體層面來看，機械動力、自動控制等機能方面的提升帶來更好的效能，而更好的效能可以支持更強大的軟體，有強大的軟體才得以支持更多應用，應用市場的擴大最終會使產業走向良性循環發展。

但業者認為，機器人並非新技術，在工業製造領域，實際上已成熟應用數十年，以目前來看，就硬體方面所表現的機能已可達到穩定水準。但機器人若要具備多元應用場景落地的可用性，關鍵還是在軟體。然業者也坦言，現有機器人應用軟體，仍無法充分發揮機器人的性能。

業者指出，在大模型之前，AI模型多是根據特定領域單獨訓練，新場景通常需要從數據收集、標注、訓練、優化、部署等走完一遍流程，即使經驗豐富的AI工程師，也需要幾天甚至幾週來完成。然訓練完所得出的模型，通用性不高，快速部署能力很弱，因在很多要求時效的場合，例如頻繁轉換產線的製造場景，或動態需求高的服務場景，幾乎很難被應用。

但大模型的出現，可讓過往需要高成本的垂直領域AI開發模式，走向預訓練大模型結合特定任務微調的形式。業者認為，此種方式一方面可提高模型泛用能力，另一方面則可提升開發速度，而在一些對精度要求不高的場景下，可具備一定程度的通用智慧。

受到近期大模型、通用人工智慧（AGI）的啟發，DeepMind在6月發表的機器人基礎AI模型「RoboCat」，最大的特色就是具有「通用性」，能夠解決和適應多種任務，並可搭配不同的真實機器人來完成工作。

從DeepMind所展示的內容來看，RoboCat可以學會操控機器手臂完成堆積木、抓水果等任務，並驗證了完成一項新任務的成功率，已從初期的36%提升到74%。

DeepMind表示，RoboCat是基於團隊的另一個多模態模型Gato，學習速度比其他模型快得多，據悉只需100次演示，即可解決任務，然後再自我生成新的訓練數據，從中進行改進。

DeepMind指出，這種快速學習能力，將有助於加速機器人研究，減少對人類監督訓練的需求，並強調，這是創建通用機器人相當重要的一步。

DeepMind也強調，RoboCat證明單一大模型可以在多個不同機器人實體上解決不同任務，並且可以快速地適應新任務與新實體。業界也寄望於大模型的出現，可補足機器人產業發展的技術基礎。

責任編輯：毛履兆