Ανακοινώθηκε στις 30 Ιουλίου 2026, η κυκλοφορία επικεντρώνεται σε ένα μοντέλο όρασης-γλώσσας-δράσης (VLA) που μετατρέπει αυτό που βλέπει και ακούει ένα ρομπότ σε ακριβείς εντολές κινητήρα. Το DeepMind το περιγράφει ως το επίπεδο νοημοσύνης για τη ρομποτική γενικής χρήσης και η εταιρεία τοποθέτησε την κυκλοφορία ως σημείο καμπής για να φέρει την τεχνητή νοημοσύνη από τα παράθυρα συνομιλίας και στον φυσικό κόσμο. Για περισσότερα σχετικά με την ώθηση της ευρύτερης βιομηχανίας προς την ενσωματωμένη τεχνητή νοημοσύνη, ακολουθήστε τις [ έκτακτες ειδήσεις AI] (https://aibuzzwire.news).
Τρία μοντέλα, ένα σύστημα
Η DeepMind έστειλε τρία συμπληρωματικά μοντέλα στη σειρά Gemini Robotics 2:
- Gemini Robotics 2 — το κορυφαίο μοντέλο VLA που μεταφράζει την όραση και τη γλώσσα σε κινητικό έλεγχο, επιτρέποντας σε ένα ρομπότ να αναλαμβάνει φυσική δράση.
- Gemini Robotics ER 2 — ένα μοντέλο ενσωματωμένου συλλογισμού ικανό να κατανοεί φυσικούς χώρους και να παράγει λεπτομερή σχέδια πολλαπλών βημάτων που συντονίζονται με ανθρώπους και άλλα ρομπότ.
- Gemini Robotics On-Device 2 — μια ελαφριά έκδοση του μοντέλου VLA βελτιστοποιημένη για να λειτουργεί τοπικά σε ρομποτικό υλικό, μειώνοντας την εξάρτηση από τη συνδεσιμότητα στο cloud.
Σύμφωνα με το blog DeepMind, κάθε μοντέλο έχει έναν ειδικό ρόλο, αλλά το τρίο έχει σχεδιαστεί για να λειτουργεί ως ένα ενιαίο ολοκληρωμένο σύστημα. Το μοντέλο VLA χειρίζεται ενέργειες σε πραγματικό χρόνο, το μοντέλο ER χειρίζεται σχεδιασμό υψηλότερου επιπέδου και η παραλλαγή στη συσκευή επιτρέπει αποκρίσεις χαμηλής καθυστέρησης στο ίδιο το ρομπότ.
Από τα πόδια μέχρι τα δάχτυλα
Ο πιο εντυπωσιακός ισχυρισμός στην ανακοίνωση είναι αυτό που η DeepMind αποκαλεί έξυπνο έλεγχο ολόκληρου του σώματος. Αντί να εκπαιδεύει ένα ρομπότ να επαναλαμβάνει μία κίνηση, το Gemini Robotics 2 έχει σχεδιαστεί για να διοικεί ένα ολόκληρο ανθρωποειδές σώμα - από τα πόδια μέχρι τα δάχτυλα - επιτρέποντας κινήσεις πλήρους εύρους που μοιάζουν με τον άνθρωπο, όπως κάμψη, προσέγγιση και ισορροπία.
Το DeepMind τόνισε πολλά σημεία αναφοράς επιδεξιότητας. Σε επιδείξεις, ρομπότ που τροφοδοτούνται από το μοντέλο παρουσιάστηκαν να βιδώνουν λαμπτήρες, να δένουν κόμπους και να εκτελούν άλλες λεπτές ενέργειες που απαιτούν λεπτό έλεγχο κινητήρα. Το εργαστήριο είπε ότι το σύστημα επιτυγχάνει ένα νέο επίπεδο επιδεξιότητας που επιτρέπει στα ρομπότ να ολοκληρώσουν εργασίες που απαιτούν γνήσια φινέτσα και όχι ωμή επανάληψη.
Η εταιρεία έδωσε επίσης έμφαση στην προσαρμοστικότητα. Το Gemini Robotics 2 μπορεί να προσαρμοστεί σε οποιοδήποτε ρομπότ με δύο χέρια σε λίγες μόνο ώρες, είπε ο DeepMind, πράγμα που σημαίνει ότι η ίδια υποκείμενη νοημοσύνη μπορεί να κλιμακωθεί από έναν επιτραπέζιο βραχίονα σε ένα περίπλοκο ανθρωποειδές χωρίς έναν πλήρη κύκλο επανεκπαίδευσης. Αυτή η γενίκευση είναι μια σημαντική απόκλιση από τη συμβατική ρομποτική, όπου κάθε μηχάνημα απαιτεί συνήθως λογισμικό ειδικά κατασκευασμένο.
Ρομπότ που εργάζονται μαζί
Μια άλλη βασική δυνατότητα είναι η συνεργασία πολλών ρομπότ. Η DeepMind είπε ότι το Gemini Robotics 2 υποστηρίζει σενάρια στα οποία δύο ρομπότ συνεργάζονται σε μια ενιαία εργασία, μοιράζοντας την εργασία σε έναν κοινό φυσικό χώρο. Το μοντέλο ER 2 χειρίζεται τον συντονισμό — συλλογισμός για το περιβάλλον, χαρτογράφηση μιας ακολουθίας πολλαπλών βημάτων και κατανομή βημάτων μεταξύ των μηχανών.
Σε μια επίδειξη που επικαλείται η εταιρεία, ένα ζευγάρι ρομπότ συνεργάστηκε για να καθαρίσει ένα δωμάτιο, χωρίζοντας τη δουλειά αντί να προσκρούουν το ένα στο άλλο. Η DeepMind το πλαισίωνε ως πρώιμη απόδειξη ότι η τεχνητή νοημοσύνη μπορεί να διαχειριστεί όχι μόνο μεμονωμένες ενέργειες, αλλά και την ενορχήστρωση πολλών πρακτόρων στον πραγματικό κόσμο.
Διαδραστικό και εκπαιδευτικό
Πέρα από την αυτόνομη λειτουργία, τα μοντέλα είναι σχεδιασμένα να είναι διαδραστικά. Το Gemini Robotics 2 μπορεί να εξηγήσει την προσέγγισή του κατά την εκτέλεση μιας ενέργειας και οι χρήστες μπορούν να ανακατευθύνουν ένα ρομπότ στη μέση της εργασίας χρησιμοποιώντας καθημερινή γλώσσα και όχι τεχνικές εντολές. Η DeepMind είπε ότι αυτό καθιστά την πλατφόρμα κατάλληλη για την καθοδήγηση ρομπότ σε πτητικά ή επικίνδυνα περιβάλλοντα όπου οι ανθρώπινοι χειριστές πρέπει να προσαρμόζουν τα σχέδια εν κινήσει.
Γιατί έχει σημασία
Η εκτόξευση εντείνει έναν ήδη γεμάτο κούρσα ανθρωποειδών-ρομποτικής. Εταιρείες όπως η Figure, η Boston Dynamics και η Tesla αγωνίζονται για την εμπορευματοποίηση μηχανών πεζοπορίας και εργασίας, ενώ κατασκευαστές τσιπ όπως η Nvidia έχουν επενδύσει πολλά στην υποδομή προσομοίωσης και υπολογισμού που απαιτεί η φυσική τεχνητή νοημοσύνη.
Το στοίχημα της DeepMind είναι ότι ένα ενιαίο, γενικής χρήσης επίπεδο νοημοσύνης - ένα επίπεδο που εξηγεί τον φυσικό κόσμο όπως εξηγεί ένα chatbot για το κείμενο - μπορεί να αντικαταστήσει το προσαρμοσμένο, στενό λογισμικό που έχει ορίσει τη βιομηχανική ρομποτική για δεκαετίες. Εάν το σύστημα μπορεί πράγματι να προσαρμοστεί σε οποιαδήποτε εφαρμογή σε ώρες, θα μείωνε το εμπόδιο για τους κατασκευαστές και τους ερευνητές που θέλουν να αναπτύξουν ικανά ρομπότ χωρίς να ξεκινούν από την αρχή κάθε φορά.
Η εταιρεία είπε ότι συνεργάζεται με αξιόπιστους συνεργάτες υλικού για την επέκταση της πλατφόρμας και δημοσίευσε τεκμηρίωση ευθύνης και ασφάλειας μαζί με την κυκλοφορία. Παραμένουν ερωτήματα σχετικά με το πώς αυτά τα μοντέλα αποδίδουν εκτός ελεγχόμενων επιδείξεων και πόσο γρήγορα ο ανθρωποειδής έλεγχος ολόκληρου του σώματος μπορεί να μεταφραστεί σε αξιόπιστη, πραγματική ανάπτυξη.
Ωστόσο, το εύρος της κυκλοφορίας - κίνηση σε ολόκληρο το σώμα, συλλογισμός πολλαπλών βημάτων, αποτελεσματικότητα στη συσκευή και συντονισμός πολλών πρακτόρων σε μια ενιαία οικογένεια προϊόντων - σηματοδοτεί ότι η Google σκοπεύει να είναι πρωταρχικός παίκτης στη σύγκλιση μεγάλων μοντέλων τεχνητής νοημοσύνης και φυσικών μηχανών.
Μείνετε μπροστά από την τεχνητή νοημοσύνη
Τα σύνορα της ρομποτικής κινούνται γρήγορα και το AI Buzz Wire παρακολουθεί κάθε σημαντική εξέλιξη. Διαβάστε περισσότερα νέα AI για συνεχή κάλυψη των εκδόσεων μοντέλων, των ανακαλύψεων υλικού και των αλλαγών στον κλάδο.
Εξερευνήστε τις τελευταίες εξελίξεις AI →
