Google DeepMind představil Gemini Robotics 2.5, model pro řízení robotů, který propojuje obraz, jazyk a akce. Podle vývojářů má robotům pomoci přesněji manipulovat i s jemnými a ohebnými předměty. Model se začíná zpřístupňovat prostřednictvím robotických partnerů DeepMind.
Učení dovedností a manipulace
Nová verze využívá schopnosti jazykového modelu Gemini 4 Argon. DeepMind uvádí, že díky nim mohou roboti rychleji získávat širší škálu dovedností a používat je v reálných situacích.
Vyšší obratnost má podle DeepMind robotům umožnit přesněji plnit více úloh. Mezi uváděné činnosti patří práce s jemnými a ohebnými předměty za pomoci běžných nástrojů.
Testy modelu a zkouška u Mercedes-Benz
DeepMind model testoval na více než 200 různých úlohách a očekává jeho další rozšíření. Při praktickém testu proveditelnosti u Mercedes-Benz dosáhl podle DeepMind 96% úspěšnosti při balení automobilových dílů.
V dalších hodnoceních se podle DeepMind úspěšnost pohybovala od 30 do 100 procent podle konkrétní úlohy. Tyto úlohy model dokončoval o 20 až 30 procent rychleji než předchozí verze použitá pro srovnání.
Spoluzakladatel a ředitel Apptroniku Jeff Cardenas uvedl, že při spojení humanoida Apollo 2 s Gemini Robotics se modely výrazně zlepšily během několika týdnů následného tréninku. Při přenosu do výroby Mercedes-Benz podle něj jejich výkon poklesl jen minimálně.
Podporovaní roboti a dostupnost
Podle DeepMind model stejně jako jeho předchůdci nativně funguje s různými typy robotů. Vedle humanoida Apollo 2 od Apptroniku jmenuje platformu Franka Duo, která má dvouprstá paralelní chapadla.
DeepMind také uvádí lepší fyzickou řiditelnost modelu a představil nový srovnávací test pokusů o obejití omezení modelu. Mezi partnery, přes které se Gemini Robotics 2.5 začíná zpřístupňovat, patří Agile Robots, Apptronik a Boston Dynamics.
