DeepMind開發出一個人工智能模型RoboCat，這種模型可以通過不同型号的機械臂完成一系列任務。雖然這個應用已經被很多科研團隊所開發，不會讓人感到很新穎。但是，DeepMind表示，這個模型是一個通用的機器人控制模型，能夠通過訓練，控制現實世界的機器人去完成多種任務。
RoboCat的核心是DeepMind的多模式模型Gato，這種模型可以在模拟環境和真實環境中，處理語言、圖像和動作。DeepMind為了解決RoboCat控制不同機械臂的問題，采用不同機械臂的任務圖像和大量的動作序列作為訓練資料集。
經過第一輪的資料訓練後，RoboCat還無法直接用于工作，還需要進行下一輪的訓練。這是一個提升性能的訓練。這一輪的訓練主要是完成一些以前沒有見過的任務。
DeepMind需要收集100到1000個由人類控制的機器臂完成任務的示範，或者動作序列資料。
然後對RoboCat進行微調，然後讓RoboCat完成一個新任務。讓RoboCat控制機械臂在虛拟環境中完成10000次練習，生成更多的訓練資料。然後混合示範資料和生成的資料，讓RoboCat用新的資料集再次進行訓練。
DeepMind的研究人員讓RoboCat控制機器人先後完成了堆積木、篩選水果以及組裝齒輪的訓練。研究人員先給RoboCat提供一個結果圖檔，然後在現場将各種積木、水果或者零件的擺放打亂，然後讓機械臂按照結果圖檔去完成相應的動作。
由于RoboCat已經通過了多樣化訓練，是以可以在幾個小時内學會操作不同類型的機械臂。但是要想控制這些機械臂完成複雜的任務，還需要繼續進行訓練。在收集1000個人類控制機器人的示範視訊後，RoboCat控制機械臂完成安裝齒輪的成功率高達86%。但是要想從水果中選出不需要的水果，要複雜得多，不僅涉及控制的問題，還涉及到圖像處理和模式識别的問題。
RoboCat提供了一種解決控制機器人的方法。由于利益的原因，很多廠家不再提供舊款的機器人配件，讓很多購買舊款機器人的使用者感到非常痛苦。RoboCat可以幫助這些使用者。RoboCat的出現也解決了控制不同機器人的方法，将會有助于改進生産線的控制方法，降低改進生産線的成本。
随着人工智能的發展，機器人的控制将會更加的多樣化。也給我們提供了一種思路，采用人工智能技術開發通用的機器人控制系統，有助于提升我們的機器人産業。