在机器人技术不断发展的今天，中美两国在该领域的竞争与合作备受关注。谭捷，作为Google DeepMind机器人团队的高级研究科学家兼技术负责人，分享了他对机器人领域发展的独到见解。谭捷本科毕业于上海交大，后赴美深造，在计算机图形学领域取得博士学位，并逐渐将研究兴趣转向机器人技术。
谭捷指出，中美在机器人领域的发展路径存在显著差异。中国在硬件制造方面发展迅速，而美国则在机器人大脑设计上占据领先地位。他强调，机器人技术的进步不仅依赖于硬件的突破，更需要强大的算法和数据处理能力。谭捷认为，机器人与图形学有着紧密的联系，图形学中的许多技术可以应用于机器人领域，尤其是在仿真和数据处理方面。
在谈到机器人基座模型的独立性时，谭捷表示，虽然目前机器人基座模型在很大程度上依赖于多模态大模型，但未来随着数据量和计算能力的提升，机器人模型可能会发展出更加独立的架构。他提到，Google DeepMind团队最近发布的Gemini Robotics 1.5，通过引入“思考”机制和跨本体迁移技术，显著提升了机器人的泛化能力和任务执行效率。
谭捷详细解释了Gemini Robotics 1.5的两个重要突破。首先，通过在模型中加入“思考”机制，机器人能够在执行复杂任务时进行多步推理，并将思考过程可视化，增强了人机交互的透明度和安全性。其次，跨本体迁移技术使得不同机器人之间的数据可以共享和利用，从而解决了数据稀缺的问题。这一技术通过“运动迁移”方法，实现了在不同机器人构型之间的任务迁移，显著提高了数据利用效率。
在数据问题上，谭捷强调，机器人领域面临的最大挑战之一是数据的获取和质量。他指出，真实世界的数据获取成本高昂，而仿真数据虽然可以大规模生成，但存在与现实世界的差距。为了弥补这一差距，谭捷认为，生成式AI技术，如视频生成模型，将在未来发挥重要作用。通过生成大量逼真的仿真数据，可以显著提升机器人模型的训练效果和泛化能力。
谭捷还分享了他对机器人架构发展的看法。他认为，虽然目前分层式模型在短期内更具实用性，但端到端的统一模型可能是未来的发展方向。他提到，Google DeepMind团队正在积极探索端到端模型的研究，并已经在一些实验中取得了初步成果。谭捷相信，随着计算能力的提升和算法的优化，端到端模型将在未来占据主导地位。
在谈到机器人领域的未来时，谭捷表示，未来两到三年内，机器人技术将迎来重要突破，具有泛化能力的机器人将开始在工业和物流等领域落地应用。然而，要实现机器人在家庭中的广泛普及，可能需要更长的时间。他预计，未来五到十年内，机器人将逐渐进入家庭，为人们的日常生活提供帮助。
谭捷还分享了他对中美机器人领域合作的看法。他认为，中美在机器人领域的合作具有巨大潜力，尤其是在硬件制造和算法研发方面。他指出，中国的硬件制造能力强大，而美国在算法和数据处理方面具有优势，双方的合作将推动机器人技术的快速发展。
在个人经历方面，谭捷提到，他在Google DeepMind团队工作了近十年，见证了团队从最初的几个人发展到如今的庞大规模。他强调，团队的成功离不开高效的管理和协作机制，以及公司对长期研究的支持。谭捷表示，他将继续致力于推动机器人技术的发展，为实现通用人工智能（AGI）在物理世界的应用贡献力量。
谭捷还分享了他的个人爱好和生活状态。他喜欢旅游、种花和练赛车，并认为这些爱好有助于缓解工作压力。他有两个孩子，大孩子已经开始学习编程和机器人技术，小孩子则刚刚出生。谭捷表示，家庭生活让他更加珍惜时间，也让他更加专注于工作。
