បានប្រកាសនៅថ្ងៃទី 30 ខែកក្កដា ឆ្នាំ 2026 ការចេញផ្សាយនេះផ្តោតលើគំរូ Vision-language-action (VLA) ដែលបំប្លែងអ្វីដែលមនុស្សយន្តមើលឃើញ និងឮទៅជាការបញ្ជាម៉ូទ័រច្បាស់លាស់។ DeepMind ពិពណ៌នាថាវាជាស្រទាប់ស៊ើបការណ៍សម្រាប់មនុស្សយន្តគោលបំណងទូទៅ ហើយក្រុមហ៊ុនបានកំណត់ការបាញ់បង្ហោះនេះថាជាចំណុចរបត់មួយក្នុងការនាំយក AI ចេញពីបង្អួចជជែក និងចូលទៅក្នុងពិភពរូបវន្ត។ សម្រាប់ព័ត៌មានបន្ថែមស្តីពីការជំរុញឧស្សាហកម្មដ៏ទូលំទូលាយឆ្ពោះទៅរក AI បង្កប់ខ្លួន សូមតាមដាន [ព័ត៌មាន AI ដ៏ទំនើប] (https://aibuzzwire.news) របស់យើង។
គំរូបីប្រព័ន្ធមួយ។
DeepMind បានដឹកជញ្ជូនគំរូបន្ថែមចំនួនបីនៅក្នុងត្រកូល Gemini Robotics 2៖
- Gemini Robotics 2 — ម៉ូដែល VLA ដ៏ល្បីដែលបកប្រែចក្ខុវិស័យ និងភាសាទៅជាការគ្រប់គ្រងម៉ូទ័រ ដែលអាចឱ្យមនុស្សយន្តធ្វើសកម្មភាពរាងកាយបាន។
- Gemini Robotics ER 2 — គំរូដែលមានហេតុផលបង្កប់ខ្លួនដែលមានសមត្ថភាពយល់ពីលំហរាងកាយ និងបង្កើតផែនការច្រើនជំហានលម្អិត ដែលសម្របសម្រួលជាមួយមនុស្ស និងមនុស្សយន្តផ្សេងទៀត។
- Gemini Robotics On-Device 2 — កំណែទម្ងន់ស្រាលនៃម៉ូដែល VLA ដែលត្រូវបានធ្វើឱ្យប្រសើរឡើងដើម្បីដំណើរការក្នុងមូលដ្ឋានលើផ្នែករឹងរបស់មនុស្សយន្ត ដោយកាត់បន្ថយការពឹងផ្អែកលើការភ្ជាប់ពពក។
យោងតាមប្លុក DeepMind ម៉ូដែលនីមួយៗមានតួនាទីពិសេស ប៉ុន្តែទាំងបីត្រូវបានរចនាឡើងដើម្បីដំណើរការជាប្រព័ន្ធរួមបញ្ចូលគ្នាតែមួយ។ ម៉ូដែល VLA គ្រប់គ្រងសកម្មភាពក្នុងពេលវេលាជាក់ស្តែង ម៉ូដែល ER គ្រប់គ្រងការធ្វើផែនការកម្រិតខ្ពស់ ហើយវ៉ារ្យ៉ង់នៅលើឧបករណ៍អាចឱ្យការឆ្លើយតបពេលយឺតយ៉ាវទាបនៅលើមនុស្សយន្តខ្លួនឯង។
ពីជើងដល់ចុងម្រាមដៃ
ការអះអាងដ៏គួរឱ្យចាប់អារម្មណ៍បំផុតនៅក្នុងសេចក្តីប្រកាសគឺជាអ្វីដែល DeepMind ហៅថាការគ្រប់គ្រងរាងកាយទាំងមូលដ៏ឆ្លាតវៃ។ ជាជាងការបង្ហាត់មនុស្សយន្តឱ្យធ្វើចលនាមួយឡើងវិញ Gemini Robotics 2 ត្រូវបានរចនាឡើងដើម្បីបញ្ជារាងកាយមនុស្សទាំងមូល - ពីជើងដល់ចុងម្រាមដៃ - អនុញ្ញាតឱ្យមានចលនាដូចមនុស្សពេញលក្ខណៈ រួមទាំងការពត់កោង ការឈានដល់ និងតុល្យភាព។
DeepMind បានគូសបញ្ជាក់ពីចំណុចស្ដង់ដារ dexterity ជាច្រើន។ ក្នុងការធ្វើបាតុកម្ម មនុស្សយន្តដែលដើរដោយម៉ូដែលនេះត្រូវបានគេបង្ហាញថាកំពុងបើកអំពូលភ្លើង ការចងខ្សែ និងការអនុវត្តសកម្មភាពដ៏ល្អិតល្អន់ផ្សេងទៀតដែលតម្រូវឱ្យមានការគ្រប់គ្រងម៉ូទ័រល្អ។ មន្ទីរពិសោធន៍បាននិយាយថា ប្រព័ន្ធនេះសម្រេចបាននូវកម្រិតថ្មីនៃជំនាញដែលអនុញ្ញាតឱ្យមនុស្សយន្តបំពេញកិច្ចការដែលទាមទារឱ្យមានភាពល្អិតល្អន់ជាជាងការនិយាយដដែលៗ។
ក្រុមហ៊ុនក៏បានសង្កត់ធ្ងន់ទៅលើការសម្របខ្លួនផងដែរ។ លោក DeepMind បាននិយាយថា Gemini Robotics 2 អាចប្រែប្រួលទៅនឹងមនុស្សយន្ត bi-arm ណាមួយក្នុងរយៈពេលតែប៉ុន្មានម៉ោងប៉ុណ្ណោះ DeepMind បាននិយាយថា មានន័យថា ភាពវៃឆ្លាតដែលមានមូលដ្ឋានដូចគ្នាអាចធ្វើមាត្រដ្ឋានពីដៃ tabletop ទៅជា humanoid ស្មុគ្រស្មាញ ដោយមិនមានវដ្តនៃការហ្វឹកហាត់ពេញលេញ។ ការធ្វើទូទៅនេះគឺជាការចាកចេញយ៉ាងសំខាន់ពីមនុស្សយន្តធម្មតា ដែលជាធម្មតាម៉ាស៊ីននីមួយៗត្រូវការកម្មវិធីដែលបង្កើតដោយគោលបំណង។
មនុស្សយន្តធ្វើការជាមួយគ្នា
សមត្ថភាពចំណងជើងមួយទៀតគឺការសហការមនុស្សយន្តច្រើន។ DeepMind បាននិយាយថា Gemini Robotics 2 គាំទ្រសេណារីយ៉ូដែលមនុស្សយន្តពីរធ្វើការរួមគ្នាលើកិច្ចការតែមួយ ដោយបែងចែកកម្លាំងពលកម្មនៅក្នុងលំហររួមមួយ។ ម៉ូដែល ER 2 គ្រប់គ្រងការសម្របសម្រួល — ការវែកញែកអំពីបរិស្ថាន ការធ្វើផែនទីតាមលំដាប់លំដោយច្រើនជំហាន និងការបែងចែកជំហានរវាងម៉ាស៊ីន។
ក្នុងបាតុកម្មមួយដែលបានលើកឡើងដោយក្រុមហ៊ុន មនុស្សយន្តមួយគូបានសហការគ្នាសម្អាតបន្ទប់ ដោយបំបែកការងារជាជាងវាយគ្នាទៅវិញទៅមក។ DeepMind បានដាក់ស៊ុមនេះជាភស្តុតាងដំបូងដែលថា AI អាចគ្រប់គ្រងមិនត្រឹមតែសកម្មភាពបុគ្គលប៉ុណ្ណោះទេ ប៉ុន្តែការចាត់ចែងភ្នាក់ងារជាច្រើននៅក្នុងពិភពពិត។
អន្តរកម្ម និងអាចបង្រៀនបាន។
លើសពីប្រតិបត្តិការស្វយ័ត ម៉ូដែលត្រូវបានរចនាឡើងដើម្បីឱ្យមានអន្តរកម្ម។ Gemini Robotics 2 អាចពន្យល់ពីវិធីសាស្រ្តរបស់វា ខណៈពេលកំពុងធ្វើសកម្មភាព ហើយអ្នកប្រើប្រាស់អាចប្តូរទិសដៅមនុស្សយន្តពាក់កណ្តាលកិច្ចការដោយប្រើភាសាប្រចាំថ្ងៃ ជាជាងពាក្យបញ្ជាបច្ចេកទេស។ DeepMind បាននិយាយថានេះធ្វើឱ្យវេទិកានេះសមល្អសម្រាប់ការណែនាំមនុស្សយន្តនៅក្នុងបរិយាកាសងាយនឹងបង្កជាហេតុ ឬគ្រោះថ្នាក់ ដែលប្រតិបត្តិករមនុស្សត្រូវការកែសម្រួលផែនការភ្លាមៗ។
ហេតុអ្វីវាសំខាន់
ការបាញ់បង្ហោះនេះបង្កើនការប្រណាំងមនុស្សយន្តដែលមានមនុស្សច្រើនកុះកររួចទៅហើយ។ ក្រុមហ៊ុនជាច្រើនរួមមាន Figure, Boston Dynamics, និង Tesla បាននឹងកំពុងប្រជែងគ្នាដើម្បីធ្វើពាណិជ្ជកម្មដើរ និងម៉ាស៊ីនធ្វើការ ខណៈពេលដែលក្រុមហ៊ុនផលិតបន្ទះឈីបដូចជា Nvidia បានវិនិយោគយ៉ាងច្រើនក្នុងការក្លែងធ្វើ និងគណនាហេដ្ឋារចនាសម្ព័ន្ធដែល AI ត្រូវការ។
ការភ្នាល់របស់ DeepMind គឺថាស្រទាប់ស៊ើបការណ៍សម្ងាត់ដែលមានគោលបំណងទូទៅតែមួយ ដែលជាហេតុផលអំពីពិភពរូបវន្ត វិធីដែលហេតុផល chatbot អំពីអត្ថបទអាចជំនួសកម្មវិធីតូចចង្អៀតតាមតម្រូវការដែលបានកំណត់មនុស្សយន្តឧស្សាហកម្មអស់ជាច្រើនទសវត្សមកហើយ។ ប្រសិនបើប្រព័ន្ធពិតជាអាចសម្របខ្លួនទៅនឹងតំណាងណាមួយក្នុងរយៈពេលជាច្រើនម៉ោង វានឹងកាត់បន្ថយរបាំងសម្រាប់អ្នកផលិត និងអ្នកស្រាវជ្រាវដែលចង់ដាក់ពង្រាយមនុស្សយន្តដែលមានសមត្ថភាពដោយមិនចាប់ផ្តើមពីដំបូងរាល់ពេល។
ក្រុមហ៊ុនបាននិយាយថា ខ្លួនកំពុងធ្វើការជាមួយដៃគូផ្នែករឹងដែលអាចជឿទុកចិត្តបាន ដើម្បីពង្រីកវេទិកានេះ ហើយវាបានបោះពុម្ពផ្សាយនូវការទទួលខុសត្រូវ និងឯកសារសុវត្ថិភាពរួមជាមួយនឹងការចេញផ្សាយ។ សំណួរនៅតែមានអំពីរបៀបដែលម៉ូដែលទាំងនេះអនុវត្តនៅខាងក្រៅបាតុកម្មដែលបានគ្រប់គ្រង និងថាតើការគ្រប់គ្រងរបស់មនុស្សទាំងមូលយ៉ាងឆាប់រហ័សអាចបកប្រែទៅជាការដាក់ឱ្យប្រើប្រាស់ក្នុងពិភពពិតដែលអាចទុកចិត្តបាន។
ទោះបីជាយ៉ាងណាក៏ដោយ ភាពធំទូលាយនៃការចាប់ផ្តើម — ចលនារាងកាយទាំងមូល ហេតុផលច្រើនជំហាន ប្រសិទ្ធភាពលើឧបករណ៍ និងការសម្របសម្រួលពហុភ្នាក់ងារនៅក្នុងគ្រួសារផលិតផលតែមួយ — សញ្ញាថា Google មានបំណងក្លាយជាអ្នកលេងចម្បងក្នុងការបញ្ចូលគ្នានៃម៉ូដែល AI ដ៏ធំ និងម៉ាស៊ីនរាងកាយ។
នាំមុខ AI
ព្រំដែនមនុស្សយន្តកំពុងដំណើរការយ៉ាងលឿន ហើយ AI Buzz Wire កំពុងតាមដានរាល់ការអភិវឌ្ឍន៍សំខាន់ៗ។ អានព័ត៌មាន AI បន្ថែម សម្រាប់ការគ្របដណ្តប់ជាបន្តបន្ទាប់នៃការចេញផ្សាយគំរូ ការទម្លាយផ្នែករឹង និងការផ្លាស់ប្តូរឧស្សាហកម្ម។
ស្វែងយល់ពីការអភិវឌ្ឍន៍ AI ចុងក្រោយបំផុត →
