Google DeepMind در حال راه‌اندازی دو مدل هوش مصنوعی جدید است که برای کمک به ربات‌ها برای «انجام طیف وسیع‌تری از وظایف دنیای واقعی نسبت به قبل» طراحی شده‌اند. مدل اول، به نام رباتیک جمینی، یک مدل بینایی-زبان-عملی است که قادر به درک موقعیت های جدید حتی بدون آموزش قبلی است.

Gemini Robotics بر اساس ساخته شده است جوزا 2.0، آخرین نسخه از مدل هوش مصنوعی پرچمدار گوگل. در طی یک کنفرانس مطبوعاتی، کارولینا پارادا، مدیر ارشد و رئیس رباتیک در گوگل دیپ مایند، اظهار داشت که Gemini Robotics "از درک Gemini از دنیای چندوجهی استفاده می کند و با افزودن اعمال فیزیکی به عنوان یک روش جدید، آن را به دنیای واقعی منتقل می کند."

مدل جدید در سه زمینه کلیدی که Google DeepMind آن‌ها را برای ایجاد ربات‌های مفید حیاتی می‌داند، پیشرفت کرده است: تعمیم، تعامل، و مهارت. جمینی رباتیک علاوه بر توانایی خود در تعمیم سناریوهای جدید، می تواند بهتر با مردم و محیط ارتباط برقرار کند. همچنین می‌تواند کارهای فیزیکی دقیق‌تری مانند تا کردن یک تکه کاغذ یا برداشتن درب بطری را انجام دهد.

مدل جدید Gemini Robotics گوگل دیپ مایند، ربات ها را ماهرتر می کند.

پارادا گفت: "در گذشته، ما در هر یک از این حوزه ها به صورت جداگانه پیشرفت داشتیم، اما اکنون با یک مدل واحد، عملکرد را در هر سه حوزه به طور قابل توجهی بهبود می بخشیم. این به ما امکان می دهد ربات هایی بسازیم که در برابر تغییرات محیطی توانمندتر، پاسخگوتر و قوی تر باشند."

Google DeepMind نیز معرفی کرد Gemini Robotics-ER (Embodied Reasoning)، که شرکت آن را به عنوان یک مدل زبان بینایی پیشرفته توصیف می کند که قادر به درک دنیای پیچیده و همیشه در حال تغییر ما است.

همانطور که پارادا توضیح داد، هنگامی که در حال بسته بندی یک جعبه ناهار با وسایل مختلف روی میز روبروی خود هستید، باید بدانید که همه چیز کجاست، چگونه جعبه ناهار را باز کنید، چگونه وسایل را بردارید و کجا قرار دهید. این دقیقاً همان استدلالی است که Gemini Robotics-ER برای رسیدگی به آن طراحی شده است. هدف آن این است که کارشناسان رباتیک را قادر سازد تا با کنترل‌کننده‌های سطح پایین موجود (سیستم‌هایی که حرکات ربات را کنترل می‌کنند) ارتباط برقرار کنند و به آن‌ها اجازه می‌دهد تا ویژگی‌های جدید ارائه شده توسط Gemini Robotics-ER را فعال کنند.

Gemini Robotics همچنین می تواند به ربات ها در انجام طیف وسیعی از وظایف کمک کند.

در رابطه با ایمنی، ویکاس سیندوانی، محقق Google DeepMind، به خبرنگاران گفت که این شرکت در حال توسعه یک "رویکرد لایه ای" است و افزود که مدل Gemini Robotics-ER "برای ارزیابی ایمن بودن اجرای اقدامات بالقوه در سناریوهای خاص آموزش دیده است." این شرکت همچنین معیارها و چارچوب‌های جدیدی را منتشر کرده است تا به صنعت هوش مصنوعی کمک کند تا تحقیقات ایمنی را بیشتر پیش ببرد. سال گذشته، گوگل دیپ‌مایند «روبات قانون اساسی» را معرفی کرد، مجموعه‌ای از قوانین برای روبات‌ها با الهام از ایزاک آسیموف.

Google DeepMind با Apptronik برای "ساخت نسل بعدی ربات های انسان نما" همکاری می کند. علاوه بر این، Google DeepMind به آزمایش‌کنندگان قابل اعتماد اجازه دسترسی به مدل Gemini Robotics-ER خود، از جمله Agile Robots، Agility Robotics، Boston Dynamics و Enchanted Tools را می‌دهد. پارادا گفت: "ما به شدت بر روی ساختن هوشمندی متمرکز هستیم که می تواند دنیای فیزیکی را درک کند و در درون آن اقدام کند. ما بسیار هیجان زده هستیم که از این موضوع در تجسم ها و کاربردهای متعدد استفاده کنیم."