Το Gemini Robotics είναι το νέο AI εργαλείο για τον έλεγχο των ρομπότ

Η Google DeepMind σημειώνει συνεχή πρόοδο στον τομέα της τεχνητής νοημοσύνης, με μηνιαίες αναβαθμίσεις των Gemini, Imagen, Veo, Gemma και AlphaFold. Η Google DeepMind έχει εισέλθει στον τομέα της ρομποτικής με δύο νέα μοντέλα που βασίζονται στο Gemini 2.0: Gemini Robotics και Gemini Robotics-ER.

Το Gemini Robotics είναι ένα βελτιωμένο μοντέλο όρασης-γλώσσας-δράσης (VLA) βασισμένο στο Gemini 2.0 που ενσωματώνει φυσικές ενέργειες ως νέα μορφή εξόδου για τον έλεγχο των ρομπότ. Η Google πιστεύει ότι αυτό το νέο μοντέλο μπορεί να κατανοήσει σενάρια που δεν έχει συναντήσει ποτέ πριν κατά την εκπαίδευση.

Το Gemini Robotics ξεπερνά άλλα μοντέλα όρασης-γλώσσας-δράσης αιχμής κατά δύο φορές σε ένα διεξοδικό μέτρο σύγκρισης γενίκευσης. Επειδή το Gemini Robotics βασίζεται στην έννοια Gemini 2.0, έχει δυνατότητες κατανόησης φυσικής γλώσσας σε πολλές γλώσσες. Ως αποτέλεσμα, μπορεί να αντιλαμβάνεται με μεγαλύτερη ακρίβεια τις εντολές των ανθρώπων.

Όσον αφορά την επιδεξιότητα, η Google πιστεύει ότι το Gemini Robotics μπορεί να εκτελέσει εξαιρετικά περίπλοκες εργασίες πολλών βημάτων που απαιτούν ακριβή χειρισμό. Για παράδειγμα, αυτό το μοντέλο μπορεί να διπλώσει οριγκάμι και να τοποθετήσει ένα σνακ σε μια σακούλα Ziploc.

Το Gemini Robotics-ER είναι ένα βελτιωμένο μοντέλο γλώσσας όρασης που εστιάζει στη χωρική σκέψη και μπορεί να ενσωματωθεί στους υπάρχοντες ελεγκτές χαμηλού επιπέδου των ρομποτιστών. Αυτό το μοντέλο παρέχει στους ρομποτιστές όλες τις διαδικασίες που είναι απαραίτητες για τον έλεγχο ενός ρομπότ κατευθείαν από το κουτί, συμπεριλαμβανομένης της αντίληψης, των εκτιμήσεων κατάστασης, της χωρικής κατανόησης, του σχεδιασμού και της δημιουργίας κώδικα.

Η Google συνεργάζεται με την Apptronik για την ανάπτυξη ανθρωποειδών ρομπότ με βάση τα μοντέλα Gemini 2.0. Η Google συνεργάζεται επίσης με αξιόπιστους δοκιμαστές όπως οι Agile Robots, Agility Robotics, Boston Dynamics και Enchanted Tools για το μέλλον των Gemini Robotics-ER.

Η Google DeepMind ανοίγει το δρόμο για ένα μέλλον στο οποίο τα ρομπότ θα μπορούν να ενσωματώνονται αβίαστα σε όλες τις πτυχές της ζωής μας.