Gemini Robotics 1.5 to nowa generacja modeli VLA. Roboty Google potrafią już przenosić nabyte umiejętności na inne maszyny

AI wychodzi poza świat cyfrowy i uczy się interakcji z fizycznym otoczeniem. Najnowsze osiągnięcia w tej dziedzinie pokazują, że maszyny mogą nie tylko wykonywać powtarzalne czynności, ale także analizować sytuację i samodzielnie planować kolejne kroki. Otwiera to drogę do tworzenia uniwersalnych robotów, które będą w stanie pomagać ludziom w codziennych, nieprzewidywalnych warunkach. To znacząca zmiana w podejściu do automatyzacji.

Modele do tej pory były w stanie bardzo dobrze wykonywać jedną instrukcję na raz w sposób bardzo ogólny. Teraz przechodzimy od jednej instrukcji do zrozumienia i rozwiązywania problemów związanych z zadaniami fizycznymi - Carolina Parada, szef działu robotyki Google DeepMind.

Te wielowarstwowe metasoczewki są 1000 razy cieńsze od włosa i mogą zmienić rynek smartfonów na świecie

Google DeepMind zaprezentowało swój najnowszy projekt o nazwie Gemini Robotics 1.5. Jest to kolejny etap w rozwoju sztucznej inteligencji przeznaczonej do sterowania maszynami. W przeciwieństwie do poprzednich rozwiązań, nowy system został zaprojektowany tak, aby roboty potrafiły analizować i planować swoje działania, a nie tylko naśladować wyuczone schematy. To istotny krok w stronę budowy bardziej autonomicznych i wszechstronnych maszyn.

NVIDIA nie buduje komputera kwantowego, a i tak chce zdominować rynek. Znamy ich genialny plan, czyli NVAQC

Sercem systemu są dwa współpracujące modele. Pierwszy, Gemini Robotics-ER 1.5, odpowiada za rozumowanie i tworzenie planu działania. Drugi, Gemini Robotics 1.5, jest modelem typu VLA (Vision-Language-Action), który przekłada ten plan na konkretne, fizyczne ruchy robota. Technologia VLA, którą Google rozwijało już w ramach wcześniejszego projektu RT-2, pozwala maszynie rozumieć polecenia wydawane językiem naturalnym, a także interpretować obraz z kamery, aby następnie generować odpowiednie akcje.

CEO IonQ: Nasze chipy kwantowe zniszczą każdy superkomputer na Ziemi. GPU NVIDIA Blackwell staną się przestarzałe już za 3 lata

Nowością jest zdolność systemu do tak zwanego myślenia przed działaniem. Robot otrzymujący złożone polecenie, jak na przykład "posortuj pranie według kolorów", potrafi samodzielnie podzielić to zadanie na mniejsze, logiczne etapy. Model generuje wewnętrzny opis rozumowania, co zwiększa jego skuteczność w nowych i nieprzewidywalnych sytuacjach. To zdolność, której brakowało poprzednim generacjom robotów przemysłowych i usługowych.

SpaceX nabyło nowe pasmo radiowe dla satelitów Starlink, celem wprowadzenie internetu satelitarnego do smartfonów

Jedną z ważniejszych innowacji jest zdolność do transferu nauki pomiędzy różnymi typami maszyn. Umiejętność opanowana przez robota na kołach może zostać przeniesiona na maszynę humanoidalną bez potrzeby prowadzenia całego procesu szkolenia od nowa. Dzięki temu proces adaptacji robotów do nowych zadań staje się znacznie szybszy. Google DeepMind testowało Gemini Robotics na różnych platformach, co potwierdziło elastyczność tego rozwiązania i jego potencjał w tworzeniu uniwersalnych systemów sterowania.

Mierzenie pulsu człowieka na odległość? Oto Pulse-Fi, który wykorzystuje w tym celu Wi-Fi i uczenie maszynowe

Wnioski płynące z prezentacji Gemini Robotics są jednoznaczne. Mamy do czynienia ze zmianą paradygmatu w robotyce. Zamiast programować maszyny do wykonywania wąsko zdefiniowanych zadań, naukowcy tworzą systemy zdolne do generalizacji wiedzy i samodzielnego radzenia sobie z problemami. Chociaż do powstania w pełni autonomicznych, domowych asystentów jest jeszcze daleka droga, projekty takie jak ten pokazują, że sztuczna inteligencja wkracza w świat fizyczny na zupełnie nowych zasadach.