Googles DeepMind har lansert to nye AI-modeller designet for å hjelpe roboter med å utføre flere virkelige oppgaver.
En av dem, kalt Gemini Robotics, er en visuell språkhandlingsmodell som gjør det mulig for roboter å forstå nye situasjoner uten å bli spesifikt trent.
Gemini Robotics er basert på Googles siste versjon av flaggskipet AI -modellen, Gemini 2. 0. Carolina Parad, seniordirektør for robotikk ved Googles DeepMind, har sagt at Gemini Robotics er avhengig av Geminis multimodale verdensforståelsesegenskaper for å anvende dem i den virkelige verden ved å legge til nye modaliteter av fysisk handling.
Modellen gjør fremskritt i det Google DeepMind mener er de tre kjerneområdene som trengs for å bygge effektive roboter: allsidighet, interaktivitet og fleksibilitet. I tillegg til å kunne takle nye situasjoner, er Gemini -robotikk flinkere til å samhandle med mennesker og miljø, og er i stand til å utføre mer presise fysiske operasjoner, for eksempel sammenleggbar papir eller åpning av flaskehetter.
Den andre er Gemini Robotics-ER (Representational Reasoning) -modellen, som selskapet kaller en avansert visuell språkmodell som er i stand til å "forstå komplekse og dynamiske verdener."
Parada forklarer videre at når du pakker en Bento -boks, må du vurdere hvor og hvordan du gjør det på bordet. Gemini Robotics-ER er designet for denne typen inferensoppgaver, slik at robotistene kan grensesnitt mot eksisterende kontrollsystemer på lavt nivå og låse opp nye funksjoner drevet av Gemini Robotics-ER.
Vikas Sindhwani, forsker ved Googles DeepMind, sa at selskapet utviklet en "lagdelt sikkerhetsstrategi" og sa at Gemini Robotics-ER-modellen hadde blitt opplært til å vurdere om en handling var trygg i en gitt situasjon. Selskapet har også gitt ut nye benchmarks og rammer for å fremme sikkerhetsforskning innen AI. I følge IT House lanserte Google DeepMind i fjor "Robot Constitution", som er et sett med robotatferdsnormer inspirert av Isaac Asimov.
I følge utenlandske medier har The Verge, Googles DeepMind inngått samarbeid med Apptronik for å "bygge neste generasjon humanoidroboter". I tillegg har Google åpnet Gemini Robotics-ER-modellen for "pålitelige testere" inkludert smidige roboter, Agility Robotics, Boston Dynamics og Enchanted Tools. "Vi er fokusert på å bygge intelligens som forstår og handler i den fysiske verden, og vi gleder oss veldig til å anvende denne teknologien på tvers av flere domener og flere manifestasjoner," sa Parada. ""