30 جولائی 2026 کو اعلان کیا گیا، ریلیز کا مرکز وژن-لینگویج-ایکشن (VLA) ماڈل پر ہے جو روبوٹ جو کچھ دیکھتا اور سنتا ہے اسے موٹر کمانڈز میں بدل دیتا ہے۔ ڈیپ مائنڈ اسے عام مقصد کے روبوٹکس کے لیے انٹیلی جنس پرت کے طور پر بیان کرتا ہے، اور کمپنی نے لانچ کو AI کو چیٹ ونڈوز سے باہر اور جسمانی دنیا میں لانے کے لیے ایک اہم موڑ کے طور پر پیش کیا۔ وسیع تر صنعت کے بارے میں مزید جاننے کے لیے مجسم AI کی طرف، ہماری بریکنگ AI نیوز* پر عمل کریں۔
تین ماڈلز، ایک سسٹم
ڈیپ مائنڈ نے جیمنی روبوٹکس 2 لائن اپ میں تین تکمیلی ماڈل بھیجے:
- جیمنی روبوٹکس 2 — فلیگ شپ VLA ماڈل جو بصارت اور زبان کو موٹر کنٹرول میں ترجمہ کرتا ہے، جو روبوٹ کو جسمانی کارروائی کرنے کے قابل بناتا ہے۔
- Gemini Robotics ER 2 — ایک مجسم استدلال والا ماڈل جو جسمانی خالی جگہوں کو سمجھنے اور انسانوں اور دوسرے روبوٹس کے ساتھ ہم آہنگ ہونے والے مفصل، کثیر قدمی منصوبے تیار کرنے کے قابل ہے۔
- جیمنی روبوٹکس آن ڈیوائس 2 — VLA ماڈل کا ہلکا پھلکا ورژن جو مقامی طور پر روبوٹک ہارڈویئر پر چلانے کے لیے موزوں ہے، جس سے کلاؤڈ کنیکٹیویٹی پر انحصار کم ہوتا ہے۔
ڈیپ مائنڈ بلاگ کے مطابق، ہر ماڈل کا ایک ماہر کردار ہوتا ہے لیکن تینوں کو ایک مربوط نظام کے طور پر کام کرنے کے لیے ڈیزائن کیا گیا ہے۔ VLA ماڈل ریئل ٹائم ایکشن کو ہینڈل کرتا ہے، ER ماڈل اعلی سطحی منصوبہ بندی کو ہینڈل کرتا ہے، اور آن ڈیوائس ویرینٹ روبوٹ پر ہی کم تاخیر کے جوابات کو قابل بناتا ہے۔
پاؤں سے انگلیوں تک
اعلان میں سب سے زیادہ حیران کن دعویٰ وہ ہے جسے ڈیپ مائنڈ ذہین پورے جسم پر کنٹرول کہتا ہے۔ ایک حرکت کو دہرانے کے لیے ایک روبوٹ کو تربیت دینے کے بجائے، Gemini Robotics 2 کو ایک پورے انسانی جسم کو کمانڈ کرنے کے لیے ڈیزائن کیا گیا ہے — پاؤں سے لے کر انگلیوں تک — جس میں موڑنے، پہنچنا، اور توازن سمیت مکمل رینج کی انسانوں کی طرح کی حرکات کو قابل بنانا ہے۔
ڈیپ مائنڈ نے مہارت کے کئی معیارات کو اجاگر کیا۔ مظاہروں میں، ماڈل کے ذریعے چلنے والے روبوٹس کو روشنی کے بلبوں میں گھستے ہوئے، گرہیں باندھتے ہوئے، اور دیگر نازک اعمال انجام دیتے ہوئے دکھایا گیا جن کے لیے موٹر کنٹرول کی ضرورت ہوتی ہے۔ لیب نے کہا کہ یہ نظام مہارت کی ایک نئی سطح کو حاصل کرتا ہے جو روبوٹ کو وحشیانہ تکرار کے بجائے حقیقی مہارت کا مطالبہ کرنے والے کاموں کو مکمل کرنے دیتا ہے۔
کمپنی نے موافقت پر بھی زور دیا۔ ڈیپ مائنڈ نے کہا کہ جیمنی روبوٹکس 2 کو صرف چند گھنٹوں میں کسی بھی دو بازو والے روبوٹ کے ساتھ ڈھال لیا جا سکتا ہے، جس کا مطلب ہے کہ وہی بنیادی ذہانت ٹیبل ٹاپ بازو سے لے کر ایک پیچیدہ ہیومنائڈ تک بغیر کسی مکمل تربیتی سائیکل کے سکیل کر سکتی ہے۔ یہ عام کرنا روایتی روبوٹکس سے ایک اہم رخصت ہے، جہاں ہر مشین کو عام طور پر مقصد سے تیار کردہ سافٹ ویئر کی ضرورت ہوتی ہے۔
روبوٹ ایک ساتھ کام کر رہے ہیں۔
ایک اور سرخی کی صلاحیت کثیر روبوٹ تعاون ہے۔ ڈیپ مائنڈ نے کہا کہ جیمنی روبوٹکس 2 ایسے منظرناموں کی حمایت کرتا ہے جس میں دو روبوٹ ایک ہی کام پر مل کر کام کرتے ہیں، مشترکہ جسمانی جگہ میں محنت کو تقسیم کرتے ہیں۔ ER 2 ماڈل کوآرڈینیشن کو ہینڈل کرتا ہے — ماحول کے بارے میں استدلال، ایک کثیر مرحلہ ترتیب کی نقشہ سازی، اور مشینوں کے درمیان مراحل مختص کرنا۔
کمپنی کے ذریعہ پیش کردہ ایک مظاہرے میں، روبوٹ کے ایک جوڑے نے ایک کمرے کو صاف کرنے میں تعاون کیا، ایک دوسرے سے ٹکرانے کے بجائے کام کو تقسیم کیا۔ ڈیپ مائنڈ نے اسے ابتدائی ثبوت کے طور پر تیار کیا کہ AI نہ صرف انفرادی اعمال بلکہ حقیقی دنیا میں متعدد ایجنٹوں کے آرکسٹریشن کا انتظام کر سکتا ہے۔
انٹرایکٹو اور قابل ہدایت
خود مختار آپریشن کے علاوہ، ماڈلز کو انٹرایکٹو ہونے کے لیے ڈیزائن کیا گیا ہے۔ جیمنی روبوٹکس 2 کسی عمل کو انجام دینے کے دوران اپنے نقطہ نظر کی وضاحت کر سکتا ہے، اور صارفین تکنیکی احکامات کے بجائے روزمرہ کی زبان کا استعمال کرتے ہوئے روبوٹ کے درمیانی کام کو ری ڈائریکٹ کر سکتے ہیں۔ ڈیپ مائنڈ نے کہا کہ یہ پلیٹ فارم کو غیر مستحکم یا خطرناک ماحول میں روبوٹ کو ہدایت دینے کے لیے موزوں بناتا ہے جہاں انسانی آپریٹرز کو پرواز کے دوران منصوبوں کو ایڈجسٹ کرنے کی ضرورت ہوتی ہے۔
یہ کیوں اہمیت رکھتا ہے۔
لانچ نے پہلے سے ہی ہجوم والی ہیومنائیڈ روبوٹکس کی دوڑ کو تیز کر دیا ہے۔ Figure، Boston Dynamics، اور Tesla سمیت کمپنیاں چلنے، کام کرنے والی مشینوں کو تجارتی بنانے کے لیے دوڑ رہی ہیں، جبکہ Nvidia جیسی چپ سازوں نے نقلی اور کمپیوٹ انفراسٹرکچر میں بہت زیادہ سرمایہ کاری کی ہے جس کی جسمانی AI کی ضرورت ہے۔
ڈیپ مائنڈ کی شرط یہ ہے کہ ایک واحد، عمومی مقصد کی انٹیلی جنس پرت - جو کہ جسمانی دنیا کے بارے میں جس طرح سے چیٹ بوٹ متن کے بارے میں وجوہات پیش کرتی ہے - کی جگہ بیسپوک، تنگ سافٹ ویئر کی جگہ لے سکتی ہے جس نے دہائیوں سے صنعتی روبوٹکس کی تعریف کی ہے۔ اگر سسٹم واقعی گھنٹوں میں کسی بھی مجسمے کے مطابق ڈھال سکتا ہے، تو یہ مینوفیکچررز اور محققین کے لیے رکاوٹ کو کم کر دے گا جو ہر بار شروع سے شروع کیے بغیر قابل روبوٹس کو تعینات کرنا چاہتے ہیں۔
کمپنی نے کہا کہ وہ پلیٹ فارم کو بڑھانے کے لیے قابل اعتماد ہارڈویئر پارٹنرز کے ساتھ مل کر کام کر رہی ہے، اور اس نے ریلیز کے ساتھ ساتھ ذمہ داری اور حفاظتی دستاویزات بھی شائع کیں۔ اس بارے میں سوالات باقی ہیں کہ یہ ماڈلز کنٹرول شدہ مظاہروں سے باہر کس طرح کارکردگی کا مظاہرہ کرتے ہیں اور کتنی تیزی سے پورے جسم کا ہیومنائڈ کنٹرول قابل اعتماد، حقیقی دنیا کی تعیناتی میں ترجمہ کر سکتا ہے۔
پھر بھی، لانچ کی وسعت — پورے جسم کی نقل و حرکت، ملٹی سٹیپ استدلال، ڈیوائس پر کارکردگی، اور ایک ہی پروڈکٹ فیملی میں ملٹی ایجنٹ کوآرڈینیشن — اس بات کا اشارہ دیتا ہے کہ Google بڑے AI ماڈلز اور فزیکل مشینوں کے ہم آہنگی میں ایک بنیادی کھلاڑی بننے کا ارادہ رکھتا ہے۔
AI سے آگے رہیں
روبوٹکس فرنٹیئر تیزی سے آگے بڑھ رہا ہے، اور AI Buzz Wire ہر بڑی ترقی کو ٹریک کر رہا ہے۔ مزید AI خبریں پڑھیں* ماڈل ریلیزز، ہارڈ ویئر کی کامیابیوں، اور صنعت کی تبدیلیوں کی مسلسل کوریج کے لیے۔
اے آئی کی تازہ ترین پیشرفت کو دریافت کریں →
