Google DeepMind’s new AI model can control a robot’s entire body

Google DeepMind ogłosił przełom w dziedzinie robotyki z wprowadzeniem Gemini Robotics 2 — nowego modelu AI, który może kontrolować całe ciało robota humanoidalnego. W przeciwieństwie do poprzedniej wersji ograniczonej do górnej części ciała, najnowszy model obsługuje ruchy „od stóp po czubki palców”, jak wynika z ogłoszenia opublikowanego w czwartek.

Nowa technologia pozwala robotom humanoidalnym wykonywać znacznie szerszy zakres czynności, włączając chodzenie, kucanie, rozciąganie się i manipulowanie obiektami. Demonstracje pokazują, jak robot Apollo 2 firmy Apptronik może schylić się, aby podnieść konewkę, a także znajdować i pobierać określone przedmioty z półki.

Kluczowe wnioski

• Gemini Robotics 2 rozszerza kontrolę z górnej części ciała na całego robota humanoidalnego, umożliwiając kompleksowe ruchy całego ciała.
• Model obsługuje teraz bardziej złożone, pięciopalczaste dłonie, pozwalając na wykonywanie precyzyjnych zadań jak zamykanie woreczków czy odkręcanie żarówek.
• Zaktualizowany Gemini Robotics ER 2 lepiej rozumie rozpoczęcie i zakończenie zadań oraz może koordynować pracę różnych typów robotów.
• System zawiera ulepszone funkcje bezpieczeństwa, wykrywając obecność ludzi i zatrzymując robota w razie potrzeby.
• Model lokalny może teraz działać bez połączenia internetowego i szybciej adaptować się do nowych platform robotycznych.

Precyzyjniejsza kontrola i manipulacja

Gemini Robotics 2 wprowadza znaczące ulepszenia w zakresie zręczności robotów. Model może teraz kontrolować bardziej złożone, pięciopalczaste dłonie, co otwiera nowe możliwości wykonywania zadań wymagających precyzji. Roboty mogą teraz zamykać woreczki strunowe, wiązać worki na śmieci czy odkręcać żarówki — czynności wcześniej trudne do zrealizowania.

Google DeepMind przyznaje, że roboty „wciąż mają do poprawy w kwestii prędkości ruchu”, ale podkreśla, że ta aktualizacja „stanowi ważny krok w kierunku umiejętności potrzebnych do wykonywania bardziej złożonych, rzeczywistych zadań wymagających koordynacji całego ciała”.

Ulepszone rozumowanie i współpraca

Równocześnie Google DeepMind aktualizuje model Gemini Robotics ER (embodied reasoning) — system wizyjno-językowy pomagający robotom analizować otoczenie, przetwarzać instrukcje i wykonywać wieloetapowe zadania. Gemini Robotics ER 2 lepiej radzi sobie z zadaniami rozłożonymi w czasie i „teraz rozumie, kiedy zadania się rozpoczynają i kończą”.

Nowa wersja umożliwia także współpracę między różnymi typami robotów. Demonstracja pokazuje, jak Apollo 2 instruuje dwuramiennego robota Google'a, aby włożył narzędzia do pojemnika podczas sprzątania garażu.

Bezpieczeństwo i autonomia

Google DeepMind określa Gemini Robotics ER 2 jako „najbezpieczniejszy model robotyczny do tej pory”. System może „lepiej wykrywać obecność ludzi w pobliżu, uruchamiać narzędzia bezpieczeństwa i bezpiecznie zatrzymać robota, jeśli ktoś zbliży się zbyt blisko”.

Firma wprowadza także ulepszenia do swojego modelu Gemini Robotics On-Device, który może działać lokalnie na robocie bez połączenia internetowego. Ten model może teraz szybciej adaptować się do nowych platform robotycznych, włączając te o „drastycznie różnych kształtach, czujnikach i stopniach swobody”.

Gemini Robotics 2 reprezentuje znaczący postęp w kierunku robotów zdolnych do wykonywania złożonych zadań w rzeczywistych środowiskach, łącząc precyzyjną kontrolę ruchu z zaawansowanym rozumowaniem i funkcjami bezpieczeństwa.