Google DeepMind-ը թողարկել է Gemini Robotics 2.5-ը ռոբոտների համար

Google DeepMind-ը՝ Alphabet Inc.-ի ↗ 2.28% ստորաբաժանումը, երեքշաբթի՝ նոյեմբերի 10-ին, ներկայացրեց Gemini Robotics 2.5-ը: Լաբորատորիան այն անվանում է իր «մինչ օրս ամենակարող տեսողական-լեզվական-գործողության (VLA) մոդելը», և այն այժմ ներդրվում է ռոբոտաշինության գործընկերների մոտ: Հիմնական ուշադրությունը սևեռվել է Apptronik-ի և Mercedes-Benz-ի հետ գործարանային փորձնական ծրագրի վրա, որի ընթացքում Apollo 2 հումանոիդները ավտոմոբիլային մասերը հավաքել են 96% հաջողությամբ: DeepMind-ը նաև թողարկել է ASIMOV-Jailbreak-ը՝ բաց չափանիշ, որը ստուգում է, թե արդյոք ռոբոտներին կարելի է խաբել անվտանգության համար վտանգավոր գործողություններ կատարելու համար:deepmind.google

Ճարպկության և արագության աճ

DeepMind-ը մոդելը գնահատել է ավելի քան 200 առաջադրանքների վրա, ներառյալ՝ ունելիով սնունդ մատուցելը, նվերի տուփի վրա ժապավեն կապելը և հեղուկի պիպետավորումը: Կախված առաջադրանքի տեսակից՝ այն հաղորդում է նախորդ բազային մակարդակներից 30%-ից 100%-ով ավելի բարձր հաջողության ցուցանիշներ և 20%-ից 30%-ով ավելի արագ կատարման ժամանակ: Ars Technica-ն նշել է, որ այդ թվերը ստացվել են լաբորատոր փորձարկումներից: Այն նաև նշել է, որ ժապավեն կապելը կարևոր է, քանի որ ժապավենները և այլ դեֆորմացվող առարկաները հայտնի են որպես ռոբոտների համար դժվար կառավարելի օբյեկտներ: Մոդելն աշխատում է Apptronik-ի Apollo 2-ի վրա, որն ունի 22 ազատության աստիճան ունեցող հինգ մատանի ձեռք, և Franka Duo հարթակի վրա՝ երկմատանի բռնիչներով:arstechnica.com+2

Գործարանային փորձնական ծրագիր

Հայեցակարգի ապացույցը գործարկվել է Հունգարիայի Կեչկեմետ և Գերմանիայի Զինդելֆինգեն քաղաքների գործող արտադրական գծերում: Apollo 2 ռոբոտները մետաղական փակագծերը վերցրել են մեծ տարաներից և դասավորել հաջորդական սկուտեղների մեջ այն հերթականությամբ, որն անհրաժեշտ էր յուրաքանչյուր մեքենայի համար: Gemini Robotics ER-ը հետևել է աշխատանքային հոսքին, մինչդեռ Gemini Robotics 2.5-ը կառավարել է ձեռքերն ու թևերը: Apptronik-ի գործադիր տնօրեն Ջեֆ Կարդենասը DeepMind-ի հրապարակման մեջ ասել է, որ «մենք տեսանք, թե ինչպես մոդելները կտրուկ բարելավվեցին ընդամենը մի քանի շաբաթվա հետվերապատրաստումից հետո և տեղափոխվեցին Mercedes-Benz-ի արտադրություն՝ շատ քիչ անկումով»:deepmind.google

Ars Technica-ն գրել է, որ 96%-ը ռոբոտային AI-ի համար ուժեղ արդյունք է, բայց հավանաբար դեռևս չի հասնում այն մակարդակին, որն անհրաժեշտ է ավտոարտադրողին, քանի որ նույն կրկնվող առաջադրանքը կատարող մարդը գրեթե միշտ ճիշտ է անում: DeepMind-ի տնօրեն Կանիշկա Ռաոն հայտնել է լրատվամիջոցին, որ վերջին 4% բացը փակելը «զառիթափ ճանապարհ» կլինի: DeepMind-ն այս աշխատանքն անվանում է հայեցակարգի ապացույց, և ոչ մի ընկերություն չի հայտնել, թե արդյոք հումանոիդները կմնան արտադրական գծերում:madrobot.blog+1

Անվտանգության չափանիշ

DeepMind-ը հայտնում է, որ եզրակացության ժամանակ տրամաբանության նոր ուղեցույցը բարելավել է անվտանգ առաջադրանքների կատարումը խոչընդոտների շուրջ 33%-ով և մարդկանց շուրջ 43%-ով: ASIMOV-Jailbreak-ը պարունակում է հարյուրավոր հուշումներ, որոնք քողարկում են անվտանգության համար վտանգավոր հարցումները տասնյակ տեսարաններում: Այս չափանիշի վրա DeepMind-ի Gemini 4 Argon-ը ցույց է տվել 99.5% դիմադրողականություն, համեմատած Gemini Robotics ER 2-ի 82%-ի հետ: Չափանիշը հրապարակված է Hugging Face-ում:the-decoder.com+1

Argon-ը նաև օգնել է ստեղծել նոր մոդելը: Այն հանդես է եկել որպես սիմուլյացիոն շարժիչ՝ ստեղծելով հազարավոր գործնական վազքեր և թվային երկվորյակներ իրական տեսախցիկի տեսարաններից: DeepMind-ը նշել է, որ դա թույլ է տալիս ռոբոտներին ավելի արագ ընդհանրացնել նոր տեսարաններն ու օբյեկտները: Այս թողարկումը հաջորդում է Gemini Robotics 2-ին, որը DeepMind-ը թողարկել էր հուլիսին՝ ռոբոտներին ամբողջ մարմնի կառավարում տալու համար:deepmind.google