Google DeepMind meluncurkan dua model kecerdasan buatan baru yang dirancang untuk membantu robot "melakukan berbagai tugas dunia nyata yang lebih luas daripada sebelumnya." Model pertama, bernama Robotika Gemini, adalah model penglihatan-bahasa-tindakan yang mampu memahami situasi baru bahkan tanpa pelatihan sebelumnya.

Gemini Robotics dibangun di atas Gemini 2.0, versi terbaru dari model kecerdasan buatan andalan Google. Selama konferensi pers, Carolina Parada, Direktur Senior dan Kepala Robotika di Google DeepMind, menyatakan bahwa Gemini Robotics "memanfaatkan pemahaman Gemini tentang dunia multimoda dan mentransfernya ke dunia nyata dengan menambahkan tindakan fisik sebagai modalitas baru."

Model baru ini telah membuat kemajuan dalam tiga area utama yang dianggap penting oleh Google DeepMind untuk menciptakan robot yang berguna: generalisasi, interaktivitas, dan ketangkasanSelain kemampuannya untuk menggeneralisasi skenario baru, Gemini Robotics dapat berinteraksi lebih baik dengan orang-orang dan lingkungan. Ia juga dapat melakukan tugas fisik yang lebih tepat, seperti melipat selembar kertas atau membuka tutup botol.

Model Gemini Robotics baru dari Google DeepMind membuat robot lebih cekatan.

Parada berkata, "Dulu, kami membuat kemajuan di masing-masing area ini secara terpisah, tetapi sekarang kami meningkatkan kinerja secara signifikan di ketiga area tersebut dengan satu model. Hal ini memungkinkan kami menciptakan robot yang lebih mampu, responsif, dan tangguh terhadap perubahan lingkungan."

Google DeepMind juga memperkenalkan Gemini Robotics-ER (Embodied Reasoning), yang digambarkan perusahaan sebagai model bahasa-visi canggih yang mampu "memahami dunia kita yang kompleks dan terus berubah.

Seperti yang dijelaskan Parada, saat Anda mengemas kotak makan siang dengan berbagai barang di atas meja di depan Anda, Anda perlu tahu di mana letak semua barang, cara membuka kotak makan siang, cara mengambil barang, dan tempat menaruhnya. Inilah jenis penalaran yang dirancang untuk ditangani oleh Gemini Robotics-ER. Tujuannya adalah agar para ahli robotika dapat terhubung dengan pengendali tingkat rendah yang ada (sistem yang mengendalikan gerakan robot), sehingga mereka dapat mengaktifkan fitur-fitur baru yang didukung oleh Gemini Robotics-ER.

Gemini Robotics juga dapat membantu robot dalam melakukan berbagai tugas.

Mengenai keselamatan, Vikas Sindhwani, seorang peneliti di Google DeepMind, mengatakan kepada wartawan bahwa perusahaan tersebut tengah mengembangkan "pendekatan berlapis" dan menambahkan bahwa model Gemini Robotics-ER "dilatih untuk menilai apakah pelaksanaan tindakan potensial dalam skenario tertentu aman." Perusahaan tersebut juga telah merilis tolok ukur dan kerangka kerja baru untuk membantu industri AI lebih memajukan penelitian keselamatan. Tahun lalu, Google DeepMind memperkenalkan "Robot Constitution," seperangkat aturan untuk robot yang terinspirasi oleh Isaac Asimov.

Google DeepMind berkolaborasi dengan Apptronik untuk "membangun robot humanoid generasi berikutnya." Selain itu, Google DeepMind memberikan akses kepada "penguji tepercaya" ke model Gemini Robotics-ER, termasuk Agile Robots, Agility Robotics, Boston Dynamics, dan Enchanted Tools. Parada berkata, "Kami sangat fokus untuk membangun kecerdasan yang dapat memahami dunia fisik dan mengambil tindakan di dalamnya. Kami sangat bersemangat untuk memanfaatkan ini di berbagai perwujudan dan aplikasi."