Google julkaisee kolme uutta mallia, jotka tekevät roboteista 'yleistyöläisiä': nopea sopeutuminen, koko kehon hallinta ja tiimiyhteistyö

30. heinäkuuta Google DeepMind esitteli Gemini Robotics 2:n, uuden version tekoälymallisarjastaan, joka on suunniteltu ohjaamaan erilaisia robotteja, mukaan lukien humanoidit, mahdollistaen niiden itsenäisen sopeutumisen ennakoimattomiin ympäristöihin ja perustelemaan jokaista toimintaansa. Tämä avaa laajan valikoiman tehtäviä, kuten roskien siivoamisen ja kastelukannun nostamisen. Päivitys lisää älykkään koko kehon hallinnan, kehittyneen kätevyyden ja monirobottiyhteistyön, mikä merkitsee uutta vaihetta robotiikassa. Aiempi Gemini Robotics -järjestelmä pystyi ohjaamaan robotteja suorittamaan hienovaraisia toimintoja, kuten pussien sulkemista ja origamin taittelua, mutta vain robottikäsivarsilla ja -käsillä. Uudet mallit voivat toimia laitteessa ja sopeutua täysin uusiin robottirunkoihin muutamassa tunnissa siirtäen opitut taidot eri alustojen välillä. Ne mahdollistavat myös eri robottien yhteistyön tehtävien suorittamiseksi nopeammin. Google näkee tämän virstanpylväänä kohti fyysistä AGI:tä, jossa robotit voivat tehdä mitä tahansa, mitä ihminen voi tehdä. Demovideot näyttävät Apptronik Apollo 2 -humanoidin noudattavan komentoja, kuten kastelukannun asettamista vihreään laatikkoon, ja robottien suorittavan tehtäviä, kuten kirjojen asettamisen hyllyille, lautojen siistimisen ja nauhojen laittamisen radioon. Järjestelmä tukee erittäin taitavia viisisormisia käsiä, kuten 22 vapausasteen SharpaWave-kättä Apollossa 2, suorittaen tehtäviä, kuten solmujen solmimisen ja vetoketjullisten pussien sulkemisen, sekä tavallisia kaksisormisia tarttujia, kuten Franka Duo. Google raportoi onnistumisasteiksi 45,7–76,3 prosenttia kolmessa koko kehon ohjauksen kategoriassa, 74,2–89,6 prosenttia kolmessa Franka Duo -tarttujan kategoriassa ja 32–92 prosenttia monisormitehtävissä. Videot näyttävät täysin autonomiset robotit, mikä on ristiriidassa Elon Muskin Optimuksen kanssa, jonka kerrotaan käyttäneen etäoperointia. Nämä robotit eivät kuitenkaan ole yleiskäyttöisiä; jokainen tehtävä on erikseen koulutettu teleoperaation, videoesimerkkien ja simulaation avulla. Googlen lähestymistapa sisältää kolme erillistä mallia: Gemini Robotics 2, VLA-malli, joka muuntaa visuaaliset ja kielelliset syötteet moottorin ohjaukseksi koko kehon ohjausta varten; Gemini Robotics ER 2, kehollinen päättely-VLM, joka toimii aivoagenttina kommunikaatiolle, monivaiheisten tehtävien suunnittelulle ja robottitiimin yhteistyön mahdollistamiselle; ja Gemini Robotics On-Device 2, VLA-malli paikallista suoritusta varten, joka sopeutuu nopeasti uusiin robottirunkoihin ja on peritty Gemini Robotics 1.5:stä. Turvallisuuden vuoksi Google esitteli ASIMOV-Agentic -vertailuarvon, joka mittaa agenttien turvallisuusorientoitunutta orkestrointia ja epävarmuuden ratkaisua, arvioiden agentin kykyä hylätä turvattomia työkaluja koskevia kutsuja ja ennustaa tehtävän suorittamista. Gemini Robotics ER 2 on turvallisin robottimalli tähän mennessä, ja se havaitsee ihmisen läheisyyden ja pysäyttää robotit sen mukaisesti. Ohjelmisto toimii robottirungoissa, joista monet on valmistettu Kiinassa, huolimatta Yhdysvaltojen viimeaikaisista rajoituksista kiinalaisvalmisteisille roboteille.