30 জুলাই, 2026-এ ঘোষণা করা হয়েছে, রিলিজটি একটি দৃষ্টি-ভাষা-অ্যাকশন (VLA) মডেলের উপর কেন্দ্রীভূত হয়েছে যা একটি রোবট যা দেখে এবং শোনে তা সুনির্দিষ্ট মোটর কমান্ডে রূপান্তরিত করে। ডিপমাইন্ড এটিকে সাধারণ-উদ্দেশ্যের রোবোটিক্সের জন্য বুদ্ধিমত্তা স্তর হিসাবে বর্ণনা করে এবং সংস্থাটি চ্যাট উইন্ডো থেকে AI-কে এবং শারীরিক জগতে নিয়ে আসার একটি টার্নিং পয়েন্ট হিসাবে লঞ্চ করেছে। মূর্ত AI-এর দিকে বৃহত্তর শিল্পের ধাক্কার বিষয়ে আরও জানতে, আমাদের ब्रेकिंग AI নিউজ অনুসরণ করুন।
তিনটি মডেল, একটি সিস্টেম
ডিপমাইন্ড জেমিনি রোবোটিক্স 2 লাইনআপে তিনটি পরিপূরক মডেল পাঠিয়েছে:
- জেমিনি রোবোটিক্স 2 — ফ্ল্যাগশিপ VLA মডেল যা দৃষ্টি এবং ভাষাকে মোটর নিয়ন্ত্রণে অনুবাদ করে, একটি রোবটকে শারীরিক পদক্ষেপ নিতে সক্ষম করে।
- জেমিনি রোবোটিক্স ER 2 — একটি মূর্ত-যুক্তিযুক্ত মডেল যা ভৌত স্থানগুলি বুঝতে এবং বিশদ, বহু-পদক্ষেপের পরিকল্পনা তৈরি করতে সক্ষম যা মানুষ এবং অন্যান্য রোবটের সাথে সমন্বয় করে৷
- জেমিনি রোবোটিক্স অন-ডিভাইস 2 — ভিএলএ মডেলের একটি হালকা সংস্করণ যা স্থানীয়ভাবে রোবোটিক হার্ডওয়্যারে চালানোর জন্য অপ্টিমাইজ করা হয়েছে, ক্লাউড সংযোগের উপর নির্ভরতা কমিয়েছে।
ডিপমাইন্ড ব্লগ অনুসারে, প্রতিটি মডেলের একটি বিশেষজ্ঞের ভূমিকা রয়েছে তবে ত্রয়ীটি একক সমন্বিত সিস্টেম হিসাবে কাজ করার জন্য ডিজাইন করা হয়েছে। ভিএলএ মডেল রিয়েল-টাইম অ্যাকশন পরিচালনা করে, ইআর মডেল উচ্চ-স্তরের পরিকল্পনা পরিচালনা করে এবং ডিভাইসের ভেরিয়েন্টটি রোবটেই স্বল্প-বিলম্বিত প্রতিক্রিয়া সক্ষম করে।
পা থেকে আঙ্গুলের ডগা পর্যন্ত
ঘোষণার সবচেয়ে আকর্ষণীয় দাবি হল ডিপমাইন্ড যাকে বুদ্ধিমান সমগ্র-শরীরের নিয়ন্ত্রণ বলে। একটি গতির পুনরাবৃত্তি করার জন্য একটি রোবটকে প্রশিক্ষণ দেওয়ার পরিবর্তে, জেমিনি রোবোটিক্স 2 একটি সম্পূর্ণ মানবিক শরীরকে নির্দেশ করার জন্য ডিজাইন করা হয়েছে — পা থেকে আঙ্গুলের ডগা পর্যন্ত — বাঁকানো, পৌঁছানো এবং ভারসাম্য সহ সম্পূর্ণ-পরিসরের মানুষের মতো চলাফেরা সক্ষম করে৷
ডিপমাইন্ড বেশ কিছু দক্ষতার মানদণ্ড হাইলাইট করেছে। প্রদর্শনীতে, মডেল দ্বারা চালিত রোবটগুলিকে আলোর বাল্বে স্ক্রু করা, গিঁট বেঁধে এবং অন্যান্য সূক্ষ্ম ক্রিয়া সম্পাদন করতে দেখানো হয়েছিল যার জন্য সূক্ষ্ম মোটর নিয়ন্ত্রণ প্রয়োজন। ল্যাবটি বলেছে যে সিস্টেমটি দক্ষতার একটি নতুন স্তর অর্জন করে যা রোবটগুলিকে নৃশংস পুনরাবৃত্তির পরিবর্তে প্রকৃত সূক্ষ্মতার দাবি করে কাজগুলি সম্পূর্ণ করতে দেয়।
সংস্থাটি অভিযোজনযোগ্যতার উপরও জোর দিয়েছে। জেমিনি রোবোটিক্স 2 যেকোন দ্বি-হাত রোবটের সাথে মাত্র কয়েক ঘন্টার মধ্যে মানিয়ে নেওয়া যেতে পারে, ডিপমাইন্ড বলেছে, যার অর্থ একই অন্তর্নিহিত বুদ্ধিমত্তা সম্পূর্ণ পুনঃপ্রশিক্ষণ চক্র ছাড়াই একটি ট্যাবলেটপ আর্ম থেকে একটি জটিল হিউম্যানয়েড পর্যন্ত স্কেল করতে পারে। এই সাধারণীকরণটি প্রচলিত রোবোটিক্স থেকে একটি উল্লেখযোগ্য প্রস্থান, যেখানে প্রতিটি মেশিনের জন্য সাধারণত উদ্দেশ্য-নির্মিত সফ্টওয়্যার প্রয়োজন হয়।
রোবট একসাথে কাজ করছে
আরেকটি শিরোনাম ক্ষমতা হল মাল্টি-রোবট সহযোগিতা। ডিপমাইন্ড বলেছেন জেমিনি রোবোটিক্স 2 এমন পরিস্থিতিতে সমর্থন করে যেখানে দুটি রোবট একটি একক কাজে একসাথে কাজ করে, একটি ভাগ করা শারীরিক জায়গায় শ্রম ভাগ করে। ER 2 মডেল সমন্বয় পরিচালনা করে — পরিবেশ সম্পর্কে যুক্তি, একটি মাল্টি-স্টেপ সিকোয়েন্স ম্যাপ করা এবং মেশিনের মধ্যে ধাপগুলি বরাদ্দ করা।
কোম্পানীর দ্বারা উদ্ধৃত একটি প্রদর্শনীতে, একজোড়া রোবট একটি রুম পরিষ্কার করতে সহযোগিতা করেছিল, একে অপরের সাথে ধাক্কাধাক্কির পরিবর্তে কাজ ভাগ করেছে। ডিপমাইন্ড এটিকে প্রাথমিক প্রমাণ হিসাবে প্রণয়ন করেছে যে AI শুধুমাত্র ব্যক্তিগত ক্রিয়াকলাপ নয় বাস্তব জগতে একাধিক এজেন্টের অর্কেস্ট্রেশন পরিচালনা করতে পারে।
ইন্টারেক্টিভ এবং নির্দেশযোগ্য
স্বায়ত্তশাসিত অপারেশনের বাইরে, মডেলগুলি ইন্টারেক্টিভ হওয়ার জন্য ডিজাইন করা হয়েছে। জেমিনি রোবোটিক্স 2 একটি ক্রিয়া সম্পাদন করার সময় তার পদ্ধতির ব্যাখ্যা করতে পারে এবং ব্যবহারকারীরা প্রযুক্তিগত আদেশের পরিবর্তে দৈনন্দিন ভাষা ব্যবহার করে একটি রোবট মধ্য-কাজকে পুনঃনির্দেশ করতে পারে। ডিপমাইন্ড বলেছে যে এটি প্ল্যাটফর্মটিকে অস্থির বা বিপজ্জনক পরিবেশে রোবটকে নির্দেশ দেওয়ার জন্য উপযুক্ত করে তোলে যেখানে মানব অপারেটরদের উড়ে যাওয়ার পরিকল্পনাগুলি সামঞ্জস্য করতে হবে।
কেন এটা গুরুত্বপূর্ণ
লঞ্চটি ইতিমধ্যেই জনাকীর্ণ হিউম্যানয়েড-রোবোটিক্স রেসকে তীব্র করে তোলে। ফিগার, বোস্টন ডায়নামিক্স এবং টেসলা সহ কোম্পানিগুলি হাঁটা, কাজের মেশিনের বাণিজ্যিকীকরণের জন্য দৌড়াচ্ছে, যখন এনভিডিয়ার মতো চিপমেকাররা ফিজিক্যাল এআই-এর জন্য প্রয়োজনীয় সিমুলেশন এবং কম্পিউট অবকাঠামোতে প্রচুর বিনিয়োগ করেছে।
ডিপমাইন্ডের বাজি হল যে একটি একক, সাধারণ-উদ্দেশ্যের বুদ্ধিমত্তা স্তর — যেটি ভৌত জগতের কারণ হিসাবে একটি চ্যাটবট পাঠ্য সম্পর্কে যেভাবে কারণ করে — তা বেসপোক, সংকীর্ণ সফ্টওয়্যারটিকে প্রতিস্থাপন করতে পারে যা কয়েক দশক ধরে শিল্প রোবোটিক্সকে সংজ্ঞায়িত করেছে। যদি সিস্টেমটি সত্যিই ঘন্টার মধ্যে যেকোন মূর্ততার সাথে খাপ খাইয়ে নিতে পারে, তবে এটি প্রস্তুতকারক এবং গবেষকদের প্রতিবার স্ক্র্যাচ থেকে শুরু না করে সক্ষম রোবট স্থাপনের জন্য বাধা কমিয়ে দেবে।
সংস্থাটি বলেছে যে এটি প্ল্যাটফর্মটি প্রসারিত করার জন্য বিশ্বস্ত হার্ডওয়্যার অংশীদারদের সাথে কাজ করছে এবং এটি প্রকাশের পাশাপাশি দায়িত্ব এবং সুরক্ষা ডকুমেন্টেশন প্রকাশ করেছে। এই মডেলগুলি নিয়ন্ত্রিত প্রদর্শনের বাইরে কীভাবে কার্য সম্পাদন করে এবং সম্পূর্ণ শরীরের হিউম্যানয়েড নিয়ন্ত্রণ কত দ্রুত নির্ভরযোগ্য, বাস্তব-বিশ্ব স্থাপনায় অনুবাদ করতে পারে সে সম্পর্কে প্রশ্ন থেকে যায়।
তবুও, লঞ্চের প্রশস্ততা — সমগ্র-শরীরের গতিবিধি, বহু-পদক্ষেপের যুক্তি, অন-ডিভাইস দক্ষতা এবং একটি একক পণ্য পরিবারে মাল্টি-এজেন্ট সমন্বয় — ইঙ্গিত দেয় যে Google বৃহৎ AI মডেল এবং ফিজিক্যাল মেশিনের সংমিশ্রণে একটি প্রাথমিক খেলোয়াড় হতে চায়।
এআই থেকে এগিয়ে থাকুন
রোবোটিক্স ফ্রন্টিয়ার দ্রুত এগিয়ে চলেছে, এবং এআই বাজ ওয়্যার প্রতিটি বড় উন্নয়ন ট্র্যাক করছে। আরও এআই নিউজ পড়ুন মডেল রিলিজ, হার্ডওয়্যার ব্রেকথ্রু এবং শিল্পের পরিবর্তনের ক্রমাগত কভারেজের জন্য।
সাম্প্রতিক AI উন্নয়নগুলি অন্বেষণ করুন →
