Gemini Robotics 2 plase creierul umanoizilor la Google

Google DeepMind a introdus Gemini Robotics 2, un avans semnificativ în controlul roboților umanoizi, compus din trei modele distincte care separă capacitățile de raționament ale robotului de funcțiile sale de execuție motorie. Inovația centrală constă în modelul ER 2, care gestionează raționamentul încorporat prin înțelegerea instrucțiunilor umane și a mediului, descompunând apoi sarcinile în secvențe acționabile. Acest strat de raționament acționează ca un comandant, dirijând un model separat de control motor, asemănător modului în care un sistem nervos central dirijează acțiunile fizice.

Din punct de vedere tehnic, Gemini Robotics ER 2 este un model viziune-limbaj care comunică cu oamenii, interpretează scene și generează o serie de acțiuni. Acesta interfațează cu modelul viziune-limbaj-acțiune (VLA), care traduce aceste acțiuni în comenzi motorii specifice pentru membrele și corpul robotului. O a treia variantă, Gemini Robotics On-Device 2, permite ca această procesare să aibă loc local pe hardware-ul robotului, adaptându-se rapid la noi morfologii de roboți cu date minime. Sistemul este conceput pentru a minimiza latența, permițând roboților să reacționeze și să efectueze sarcini fără pauzele notabile care au afectat generațiile anterioare.

Implicațiile acestei abordări modulare sunt substanțiale pentru industria roboticii. Prin deschiderea modelului de raționament ER 2 către dezvoltatori prin API, în timp ce modelele de control motor rămân proprietare, Google DeepMind se poziționează ca un furnizor central de inteligență pentru roboți. Acest lucru permite producătorilor de roboți să-și integreze mai ușor hardware-ul, deoarece „creierul” central rămâne consecvent, mutând accentul pe adaptabilitatea hardware-ului. Următorii pași vor implica probabil o adopție mai largă de către dezvoltatori și o rafinare suplimentară a modelelor de control motor pentru diverse aplicații robotice.