Google DeepMind牵手波士顿动力 Gemini机器人将走进现代汽车工厂

根据介绍，首次试验场将设在现代汽车工厂，搭载 Gemini 的 Atlas 将尝试执行多种制造任务，以检验其在真实工业环境中的适应性与可靠性。 相比传统依赖固定程序的工业机器人，这一轮试验的目标，是验证机器人能否在复杂、动态的场景中一边感知一边学习，并根据情境调整行为策略。

波士顿动力首席执行官 Robert Playter 在接受《连线》杂志采访时表示，团队希望打造的是具备“情境理解力”和高水平“手部灵巧操作能力”的新一代机器人。 他指出，理想状态下，这些机器可以对周围环境做到上下文感知，并运用机械手操控各种形状不规则的物体，而汽车制造工厂正是验证这一能力的理想场景之一。

目前，Atlas 已经在体能和机动性方面展现出高度成熟的技术水平，包括完成高难度体操动作和舞蹈表演等，但这些场景基本来自脚本化编排。 随着多模态 Gemini 模型的加入，Atlas 和 Spot 将有望实时解读传感器数据、识别并抓取非标准化物体，并在非结构化环境下自主规划运动路径，从而向贴近人类“物理智能”的方向发展。

波士顿动力在机器人领域深耕数十年，从早期军事负重机器人到如今敏捷的人形平台，曾辗转多任企业东家，包括Google、软银以及如今的现代汽车集团。 此次与 DeepMind 的合作在一定程度上也是与前东家“再度牵手”，结合其硬件积累与Google在通用 AI 方面的技术优势，尝试在工业机器人领域开辟新的路线。

Google DeepMind 机器人部门高级总监 Carolina Parada 表示，Gemini 的架构正是为了这类“通用机器人”场景而设计，希望构建可为广泛实体机器人平台提供智能的大模型。 她强调，汽车制造只是一个起点，未来目标是逐步扩展到更多行业应用，让机器人在更丰富的物理环境中执行任务。

与以往被限定于高度重复、固定工序的专用机器人不同，接入 Gemini 的系统有望在长期运行过程中持续从环境中学习。 波士顿动力机器人的实地数据也将反哺 Gemini 模型，帮助其更好理解物理世界的交互规律，从而进一步提升感知和控制能力。

不过，将更高智能引入工业机器人也带来了新的安全考量。 Parada 表示，Gemini 将通过对自身动作进行推理和约束，增加一层行为安全检查，以避免潜在的危险动作。 Playter 也强调，即便体型较小的机器人，如果缺乏足够安全设计和限制，在复杂环境中同样可能造成伤害，因此在提升自主性的同时必须坚持严格的安全标准。

目前，通用人形机器人的竞争正在迅速升温，美国已有十多家公司投入相关研发，包括 Agility Robotics、Figure AI、Apptronik、1X 和特斯拉等。 行业机构的统计显示，在中国已有大约 200 家企业涉足人形机器人领域，资本与技术力量正加速涌入这一赛道。

在不少 AI 企业看来，让模型更紧密地参与物理世界交互，是实现更高级通用智能的下一阶段前提，包括 OpenAI 和特斯拉在内的多家公司都公开表达了类似判断。 对 DeepMind 来说，与波士顿动力的合作，体现出其战略重心从纯软件系统向“具身智能”（embodied AI）转移的趋势。

DeepMind 首席执行官 Demis Hassabis 此前曾表示，并不打算自建机器人硬件，而是希望 Gemini 成为类似“Android”的基础平台，让各类制造商在统一智能底座上开发不同形态的机器人。 随着 Atlas 和 Spot 等平台在现代工厂展开测试，这一“AI 操作系统”式愿景也迈出了落地应用的关键一步。