Sau 8 năm không thể quên, tôi đã quyết định rời Google DeepMind. Tôi cảm thấy vô cùng biết ơn vì đã có cơ hội giúp biến giấc mơ về việc học robot đa năng từ một ý tưởng ngoại lai thành một lộ trình công nghệ được công nhận. Thật là vinh dự của một đời người khi được làm việc về những vấn đề thách thức và quan trọng nhất của thời đại chúng ta với những đồng nghiệp sáng dạ, tốt bụng và tài năng nhất mà tôi có thể mong muốn. Cảm ơn Julian và Vincent đã tin tưởng vào tôi vào năm 2017, khi một nhóm lộn xộn tại Google Brain bắt đầu khám phá tiềm năng của việc học từ đầu đến cuối trên các trang trại robot trong thế giới thực. Nhóm luôn mơ ước lớn: dự án "khởi đầu" của tôi với Corey và Pierre là làm việc trên một chính sách bắt chước có điều kiện mục tiêu có khả năng đi từ bất kỳ điều kiện ban đầu nào (nhúng tiềm ẩn) đến bất kỳ trạng thái mục tiêu nào. Dự án 3 tháng đó đã trở thành một nỗ lực kéo dài 2 năm! Nhưng mặc dù tham vọng nghiên cứu rất cao, các đồng nghiệp và người hướng dẫn luôn có sự thấu hiểu và nhân ái mặc định. Alex H, Karol, Julian và Sergey đã ủng hộ tầm nhìn của tôi về RL điều khiển đồng thời quy mô lớn trong khi cho tôi không gian để phát triển thành một nhà nghiên cứu sáng tạo theo cách của riêng mình. Tiến bộ kỹ thuật của nhóm và sở thích nghiên cứu của tôi bắt đầu tăng tốc đáng kể vào năm 2020, khi Kanishka và Karol đã truyền cảm hứng cho toàn bộ nhóm để đặt cược lớn vào một cú nhảy vọt điên rồ duy nhất: một chính sách robot tổng quát có thể thực hiện hàng ngàn nhiệm vụ thao tác trong gia đình. Một nỗ lực nhóm chưa từng có như vậy là mới mẻ đối với toàn bộ nhóm nhưng cực kỳ thỏa mãn—để học cách điều hướng hài hòa các hệ thống thực tế từ 0 đến 1 (đội tàu robot, điều khiển từ xa, các ngăn xếp học quy mô) bên cạnh việc khám phá khoa học nghiêm ngặt (so sánh khách quan về các thuộc tính mở rộng của việc bắt chước và học tăng cường). Tôi đã học được rất nhiều từ tất cả các đồng đội trong thời gian này, và ngay cả đến ngày hôm nay, nhiều trực giác nghiên cứu và kỹ thuật của tôi đều rút ra từ những bài học tôi học được từ Eric, Yao, Alex I, Keerthana và Yevgen. Thời gian tiếp theo, bắt đầu từ năm 2022, thật sự kỳ diệu và độc đáo trong độ rộng và chiều sâu của những khám phá tưởng tượng mà tôi đã có đặc quyền đóng góp và dẫn dắt. Khám phá tiềm năng của các mô hình nền cho robot đã thay đổi cách nhìn nghiên cứu của tôi mãi mãi, và các dự án như SayCan, RT-1 và RT-2 cảm thấy như những khoảnh khắc kỳ diệu đầu tiên khi thế giới bắt đầu suy nghĩ nghiêm túc hơn về những gì hứa hẹn của AI thể hiện và hiệu suất có thể trông như thế nào. Khi những VLA tổng quát đầu tiên bắt đầu thực hiện đáng tin cậy các nhiệm vụ mà chúng tôi chưa thu thập dữ liệu, đó là một khoảnh khắc sáng chói lớn cho nhóm và lĩnh vực. Trong thời gian này, tôi đã được truyền cảm hứng rất nhiều bởi những gì sự sáng tạo cao, sự sáng tạo điên cuồng và tốc độ lặp lại nhanh chóng có thể làm cho nghiên cứu, học hỏi từ những đồng nghiệp cực kỳ tốt bụng và năng suất như Fei, Brian, Andy, Pete, Quan, Harris và Danny. Tôi đã áp dụng cách tiếp cận nghiên cứu sáng tạo điên rồ này vào những lĩnh vực mà tôi quan tâm, chẳng hạn như tạo ra các đại diện hành động tốt hơn, hiểu biết về sự tổng quát của robot và tận dụng VLM cho chất lượng và tăng cường dữ liệu. Tôi rất biết ơn các đồng đội đã tham gia cùng tôi trong những khám phá mạo hiểm này, chẳng hạn như Chelsea, Dorsa, Jonathan, Wenhao, Tianli, Montse, Sean, Austin, Kelly và Paul. Tôi cũng rất trân trọng tất cả các hợp tác học thuật trong thời gian này—từ học tập đa thể chế đến VLA mã nguồn mở đến đánh giá ngoại tuyến có thể mở rộng đến tổ chức các hội thảo. Cảm ơn các sinh viên, thực tập sinh và bạn bè; đặc biệt là Soroush, Jiayuan, Laura, Xuanlin, Kyle, Karl, Oier, Dhruv, Annie, Jensen, Priya, Suneel, Ike, Homanga, Hao và Xuesu. Trong chương cuối cùng của sự nghiệp của tôi tại GDM, bắt đầu từ năm 2024, tôi đã trở nên say mê với khoa học và tác động của các mô hình tiên tiến và cách khai thác chúng một cách hợp lý trong robot. Điều đó luôn làm tôi khó chịu rằng việc học robot thường trông giống như việc học máy "cổ điển" chỉ là phù hợp với các phân phối đơn giản với các mô hình nhỏ, thay vì các hệ thống và khoa học tinh vi về cách các mô hình tiên tiến được phát triển với việc huấn luyện trước, huấn luyện giữa và huấn luyện sau. Tôi muốn tìm hiểu về thế giới đó và tìm cách làm cho AGI hiểu thế giới vật lý. Tôi tự hào về những tiến bộ mà chúng tôi đã đạt được, và từ nơi chúng tôi bắt đầu với Gemini 1.0 đến hôm nay, những đổi mới nghiên cứu mà chúng tôi đã mở khóa đã đặt cả Gemini và Gemini Robotics rõ ràng ở vị trí hàng đầu trong cả hiểu biết thế giới cơ bản và điều khiển VLA tổng quát. Cảm ơn rất nhiều các đồng đội của tôi trong Lý luận Nhập thể đã làm cho mỗi ngày trở nên sáng sủa, thú vị và vui vẻ: Fei, Jacky, Laura, Wentao, Annie, Lewis, Ksenia, Mohit, Sean và Danny. Cảm ơn các bạn bè trong Gemini Đa phương thức đã dạy tôi cách mô hình tiên tiến: Xi, Karel, Ishita và Xudong. Cảm ơn các người thì thầm VLA đã cho tôi thấy sự đổi mới và kiên trì có thể đưa bạn đi xa đến mức nào: Coline, Giulia, Claudio, Alex L, Sumeet, Ashwin, Sudeep, Debi và Ayzaan. Cảm ơn các người hướng dẫn trong suốt những năm qua đã cung cấp những ví dụ sáng chói rằng tốc độ và tác động, và lòng từ bi, không phải là trò chơi không có tổng: Carolina, Jie, Kanishka, Nicolas, Jonathan, Pierre, Vincent, Karol, Sergey, Chelsea và Julian. Cảm ơn, cảm ơn, cảm ơn. Đó là một cuộc phiêu lưu không thể tin được, và tôi rất may mắn khi được là một phần của nhóm điên rồ đã bắt đầu những đột phá công nghệ biến đổi thế giới thành một nơi mà AGI thể hiện và hữu ích là phổ biến trong xã hội. Tôi sẽ luôn là fan #1 của GDM! Còn về hành trình của riêng tôi, tôi sẽ bắt đầu một cuộc phiêu lưu mới, vừa quen thuộc vừa rất khác, và hy vọng sẽ có nhiều điều để chia sẻ sớm.