Google 與 NASA 測試給月球、火星任務用的機器人：開源模型 Pi0 照英文文字指令找出並搬動醫療包，Google 自述實驗室初期成功率 85%，模型可在小型裝置上本機執行

趨勢新聞2026 年 10 月 29 日

想像太空站裡有一台機器手臂，太空人打一行英文指令，它自己用攝影機找到醫療包、抓起來搬走。Google Cloud 在日期標示為 10 月 27 日的官方部落格說，它和 NASA 的詹森太空中心（Johnson Space Center）機器人團隊、噴射推進實驗室（JPL）一起做的這套原型機，在早期實驗室測試裡做到 85% 的成功率，微調後的模型也能在小型、省電的電腦上本機執行。實驗成果依 Google 的官方自述整理，本站查核與判讀另行標示。本站的讀法：原文不足以判斷對台灣讀者的工作或荷包有什麼具體影響，值得看的是「可免費下載的開源機器人模型」目前做到哪裡：照文字指令搬東西、在現場的小電腦上跑，而 85% 是早期實驗室的初始成績。

機器人在做什麼，名詞先講清楚

原文說，NASA 在阿提米絲（Artemis）探月計畫裡，規劃在月球南極一帶建基地讓太空人長期駐留，為了替太空人省下時間，NASA 的人類研究計畫、詹森太空中心機器人團隊與 JPL 和 Google 合作，做一套能搬貨、整理工具的機器人。原文設想的用途也包括醫療支援，例如太空人嚴重背痛（可能是腎結石）時，機器人可以去拿超音波機器並準備好。

用的模型叫 Pi0（π₀），是美國新創 Physical Intelligence 開發的「視覺語言動作模型」（VLA）：看攝影機畫面、讀文字指令，直接輸出手臂該怎麼動。程式碼以 Apache 2.0 授權開源在 GitHub，任何人都能下載、拿自己的資料再訓練（叫「微調」）。這次的任務是「拾取與放置」：找出醫療包、搬到別處。原文的關鍵句是，模型「在這些早期實驗室環境中，取得 85% 的初始基準成功率」（本站譯），太空人可以用一般的英文文字指令指揮它。

85% 代表什麼，還不知道什麼

只為說明比例：85% 相當於每 100 次任務約 85 次成功、15 次失敗（假設的換算，不是原文公布的試驗次數）。成功率要多高才夠，看用在哪裡。本站另一則報導裡，鴻海替 AI 伺服器組裝機器人訂的要求是成功率 99.5%，鴻海新聞稿並寫，機器人研究領域常把 80% 到 90% 的成功率當成「已解決」（詳見〈鴻海與 NVIDIA 機器人實驗室研究一年〉）。本站的讀法：鴻海的例子說明，真要上線的場合會另訂門檻；但兩案的任務與成功定義不同，不能拿 99.5% 判斷這套太空機器人合不合格。

本站讀到的原文沒有寫：一共試了幾次、怎樣才算「成功」、失敗時發生什麼事、85% 是在雲端還是在小型裝置上跑出來的。原文說下一步是「嚴格的訓練與安全改進」（本站譯）。也沒有寫何時上太空、會用在哪一次阿提米絲任務、花了多少錢。

為什麼要在裝置本機執行

原文說，去火星的太空人和地球通訊，一來一回最長可能要 44 分鐘，太空船也不能指望一直連著地面的資料中心。Google 的方向是把運算放在現場處理，業界叫「邊緣運算」，用的設備叫邊緣裝置。原文寫，團隊先用 Google Cloud 的 G4 雲端主機微調 Pi0，只花 2.5 小時，接著證明「微調後的模型可以在小巧、省電的邊緣裝置上於本機運作」（本站譯）；過去兩年，團隊測了大約 15 款邊緣運算裝置。原文沒有列出是哪幾款、耗電多少，也沒有說明整套系統在完全斷網條件下的測試結果。

原文稱 Pi0 為 40 億參數模型（參數是模型內部可調的數值，越多通常越吃記憶體）。原文連結的 Hugging Face 模型頁把它簡寫為「4B」（40 億），頁面列出的權重檔精確總數則是 3,501,372,176，約 35 億。測試在詹森太空中心的 iMETRO 設施進行，機器人先在 Google DeepMind 的物理模擬軟體 MuJoCo 裡練動作；攝影機採「眼在手外」配置，也就是固定在工作區，看著手臂與目標物。

人還是做決定的那一個

原文寫的長期目標，是讓機器人聽簡單的語音指令做各種事，例如在負責醫療的組員嚴格指導下量基本生命徵象（心跳、血壓這類身體基本指標）、做簡單的超音波，而且始終在太空人的直接監督與指揮之下，「絕不取代人的決策」（本站譯）。這次公布的是搬東西的概念驗證，量生命徵象與超音波是原文寫的未來方向，本篇沒有公布這部分的測試結果。

本站的讀法：對台灣做機器人、自動化設備的工程團隊，可以留意的是做法：拿開源模型微調、再放到現場的小電腦本機執行。2.5 小時是這一次的微調時間，原文沒有提供資料量與訓練設定，推估不了其他任務要多久、要花多少錢。回到開頭那台搬醫療包的手臂，依 Google 自述，這篇公布的是早期實驗室 85% 的初始成績，還不是「每次都搬得對」。