गूगल ने रोबोट्स को 'सर्वांगीण कार्यकर्ता' बनाने के लिए तीन नए मॉडल लॉन्च किए: त्वरित अनुकूलन, पूर्ण-शरीर नियंत्रण और टीम सहयोग

30 जुलाई को, Google DeepMind ने Gemini Robotics 2 पेश किया, जो उसकी AI मॉडल श्रृंखला का एक नया संस्करण है, जिसे विभिन्न रोबोटों, जिनमें ह्यूमनॉइड भी शामिल हैं, को नियंत्रित करने के लिए डिज़ाइन किया गया है, जिससे वे अप्रत्याशित वातावरण में स्वायत्त रूप से अनुकूलन कर सकें और प्रत्येक क्रिया के बारे में तर्क कर सकें, जिससे कचरा साफ करने और पानी देने वाले कैन को उठाने जैसे कार्यों की एक विस्तृत श्रृंखला खुल जाती है। यह अपडेट बुद्धिमान पूरे-शरीर नियंत्रण, उन्नत निपुणता और बहु-रोबोट सहयोग जोड़ता है, जो रोबोटिक्स में एक नए चरण को चिह्नित करता है। पिछली Gemini Robotics प्रणाली रोबोटों को बैग सील करने और ओरिगेमी मोड़ने जैसे सूक्ष्म कार्य करने के लिए चला सकती थी, लेकिन केवल रोबोटिक भुजाओं और हाथों से। नए मॉडल डिवाइस पर चल सकते हैं और घंटों के भीतर पूरी तरह से नए रोबोट निकायों के लिए अनुकूलित हो सकते हैं, विभिन्न प्लेटफार्मों में सीखे गए कौशल को स्थानांतरित कर सकते हैं। वे विभिन्न रोबोटों को कार्य तेजी से पूरा करने के लिए एक साथ काम करने की अनुमति देते हैं। Google इसे भौतिक AGI की ओर एक मील का पत्थर मानता है, जहाँ रोबोट वह सब कुछ कर सकते हैं जो मनुष्य कर सकते हैं। डेमो वीडियो में Apptronik Apollo 2 ह्यूमनॉइड को पानी देने वाले कैन को हरे बॉक्स पर रखने जैसे आदेशों का पालन करते हुए दिखाया गया है, और रोबोट किताबों को अलमारियों पर रखने, बोर्ड को व्यवस्थित करने और टेप को रेडियो में डालने जैसे कार्य करते हुए दिखाई देते हैं। सिस्टम अत्यधिक निपुण पांच-उंगली वाले हाथों का समर्थन करता है, जैसे Apollo 2 पर 22-डिग्री-ऑफ-फ्रीडम वाला SharpaWave हाथ, जो गांठ बांधने और जिपर बैग सील करने जैसे कार्य करता है, साथ ही Franka Duo जैसे मानक दो-उंगली वाले ग्रिपर भी। Google ने तीन पूरे-शरीर हेरफेर श्रेणियों के लिए 45.7% से 76.3% के बीच सफलता दर, तीन Franka Duo ग्रिपर श्रेणियों के लिए 74.2% से 89.6% और बहु-उंगली कार्यों के लिए 32% से 92% की सफलता दर की सूचना दी। वीडियो पूरी तरह से स्वायत्त रोबोट दिखाते हैं, जो Elon Musk के Optimus के विपरीत है, जिसके बारे में बताया गया था कि उसे रिमोट ऑपरेटरों द्वारा नियंत्रित किया जाता था। हालाँकि, ये रोबोट सामान्य-उद्देश्य वाले नहीं हैं; प्रत्येक कार्य को विशेष रूप से टेलीऑपरेशन, वीडियो उदाहरण और सिमुलेशन का उपयोग करके प्रशिक्षित किया जाता है। Google का दृष्टिकोण तीन अलग-अलग मॉडलों को शामिल करता है: Gemini Robotics 2, एक VLA मॉडल जो दृश्य और भाषा इनपुट को पूर्ण-शरीर नियंत्रण के लिए मोटर नियंत्रण में परिवर्तित करता है; Gemini Robotics ER 2, एक एम्बेडेड रीज़निंग VLM जो संचार, बहु-चरणीय कार्यों की योजना बनाने और रोबोट टीम सहयोग को सक्षम करने के लिए मस्तिष्क एजेंट के रूप में कार्य करता है; और Gemini Robotics On-Device 2, एक VLA मॉडल जो स्थानीय निष्पादन के लिए है, जिसमें नए रोबोट निकायों के लिए तेज़ अनुकूलन होता है, जो Gemini Robotics 1.5 से विरासत में मिला है। सुरक्षा के लिए, Google ने ASIMOV-Agentic पेश किया, जो एजेंटिक सुरक्षा ऑर्केस्ट्रेशन और अनिश्चितता समाधान के लिए एक बेंचमार्क है, जो एजेंट की असुरक्षित टूल कॉल को अस्वीकार करने और कार्य पूरा होने की भविष्यवाणी करने की क्षमता को मापता है। Gemini Robotics ER 2 अब तक का सबसे सुरक्षित रोबोट मॉडल है, जो मानव निकटता का पता लगाता है और तदनुसार रोबोट को रोकता है। सॉफ्टवेयर रोबोट निकायों पर चलता है, जिनमें से कई चीन में बने हैं, हाल ही में चीनी निर्मित रोबोटों पर अमेरिकी प्रतिबंधों के बावजूद।