Gemini Robotics 2.5: Έλεγχος ανθρωποειδών ρομπότ με ακρίβεια 96%

Σύνοψη

• Το τμήμα DeepMind της Google παρουσίασε το Gemini Robotics 2.5, ένα προηγμένο μοντέλο όρασης-γλώσσας-δράσης (Vision-Language-Action) ικανό να ελέγχει πολύπλοκα ανθρωποειδή ρομπότ.
• Κατά τη διάρκεια πιλοτικών δοκιμών σε γραμμές παραγωγής της Mercedes-Benz με το ανθρωποειδές Apollo 2 της Apptronik, το σύστημα πέτυχε ποσοστό επιτυχίας 96% στη διαλογή εξαρτημάτων.
• Οι επιδόσεις καταγράφουν αύξηση της τάξης του 30% έως 100% στο ποσοστό ολοκλήρωσης απαιτητικών εργασιών σε σχέση με προηγούμενα μοντέλα, προσφέροντας παράλληλα 20% έως 30% ταχύτερη εκτέλεση.
• Η ασφάλεια ενισχύεται σημαντικά μέσω του νέου ανοιχτού benchmark ASIMOV-Jailbreak, με το μοντέλο να παρουσιάζει 43% μεγαλύτερη αξιοπιστία κατά την πλοήγηση κοντά σε ανθρώπους.
• Το σύστημα διατίθεται αποκλειστικά σε επιλεγμένους συνεργάτες ρομποτικής, χωρίς να έχει ανακοινωθεί εμπορική τιμολόγηση ή ευρεία δημόσια πρόσβαση.

Η μετάβαση της τεχνητής νοημοσύνης από τα ψηφιακά περιβάλλοντα και τις οθόνες των υπολογιστών στον φυσικό, τρισδιάστατο χώρο αποτελεί την απόλυτη πρόκληση για τις εταιρείες υψηλής τεχνολογίας. 

Η ανακοίνωση του Gemini Robotics 2.5 από τη Google DeepMind σηματοδοτεί ένα κρίσιμο βήμα προς την υλοποίηση της λεγόμενης φυσικής γενικής τεχνητής νοημοσύνης (Physical AGI), προσφέροντας ένα μοντέλο ικανό να κατανοεί οπτικά ερεθίσματα, να επεξεργάζεται φυσική γλώσσα και να μεταφράζει τις εντολές σε σύνθετες κινηματικές ενέργειες. Αντί να περιορίζεται στην απλή παραγωγή κειμένου ή κώδικα, το νέο σύστημα Vision-Language-Action (VLA) της Google αναλαμβάνει τον πλήρη έλεγχο ρομποτικών σωμάτων κάθε μορφής, από απλούς βραχίονες εργοστασιακών πάγκων μέχρι πλήρη ανθρωποειδή που καλούνται να διατηρήσουν δυναμικά την ισορροπία τους σε χώρους γεμάτους εμπόδια.

Τι είναι το Gemini Robotics 2.5 και πώς λειτουργεί;

Το Gemini Robotics 2.5 είναι ένα υπερσύγχρονο θεμελιώδες μοντέλο (foundation model) το οποίο σχεδιάστηκε αποκλειστικά για τον έλεγχο ρομποτικών συστημάτων μέσω της ταυτόχρονης επεξεργασίας οπτικών δεδομένων, φυσικής γλώσσας και κινηματικών εντολών. Συνεργάζεται άμεσα με αισθητήρες και κάμερες για να ελέγχει πολύπλοκα ανθρωποειδή ρομπότ, προσφέροντας 30% έως 100% υψηλότερα ποσοστά επιτυχίας σε περισσότερες από 200 βιομηχανικές εργασίες και επιταχύνοντας την εκτέλεσή τους κατά 20% έως 30%.

Η αρχιτεκτονική που παρουσίασε η DeepMind βασίζεται σε μια έξυπνη κατανομή των υπολογιστικών πόρων και των καθηκόντων εντός του ρομπότ. Αντί να χρησιμοποιείται ένα μοναδικό υπερ-μοντέλο για κάθε διεργασία, το οικοσύστημα αξιοποιεί πολλαπλά επίπεδα νοημοσύνης. Για παράδειγμα, το μοντέλο Gemini Robotics ER (Embodied Reasoning) αναλαμβάνει την παρακολούθηση της ροής εργασίας και την κατανόηση των πολλαπλών βημάτων μιας διαδικασίας, ενώ το Gemini Robotics 2.5 εστιάζει αποκλειστικά στην παραγωγή των ακριβών κινήσεων για τα χέρια και τους βραχίονες. Αυτός ο διαχωρισμός επιτρέπει στα ρομπότ να προσαρμόζουν τη συμπεριφορά τους δυναμικά, εξασφαλίζοντας ότι ένα ανθρωποειδές δεν θα προσπαθήσει απλώς να προσεγγίσει ένα αντικείμενο από στατική θέση, αλλά θα λυγίσει τα γόνατα, θα κάνει ένα βήμα προς τα εμπρός και θα ρυθμίσει το κέντρο βάρους του για να εκτελέσει την κίνηση με απόλυτη ασφάλεια.

Οι βιομηχανικές επιδόσεις στα εργοστάσια της Mercedes-Benz

Η θεωρητική υπεροχή ενός μοντέλου οφείλει πάντα να αποδεικνύεται στο σκληρό περιβάλλον της πραγματικής βιομηχανίας. Εκεί εντοπίζεται η μεγαλύτερη αξία της νέας ανακοίνωσης, καθώς η DeepMind επιβεβαίωσε πως το σύστημα δοκιμάστηκε εκτενώς σε πιλοτικές εφαρμογές διαλογής εξαρτημάτων στα εργοστάσια της Mercedes-Benz, ενσωματωμένο στο ανθρωποειδές ρομπότ Apollo 2 της Apptronik. Το εν λόγω ρομπότ διαθέτει πενταδάκτυλα χέρια με 22 βαθμούς ελευθερίας, επιτρέποντας έναν πρωτοφανή βαθμό επιδεξιότητας. Σύμφωνα με τα δημοσιευμένα στοιχεία, το Apollo 2 που καθοδηγούνταν από το νέο λογισμικό πέτυχε εντυπωσιακό ποσοστό επιτυχίας 96% στην αναγνώριση, παραλαβή και τοποθέτηση ανταλλακτικών αυτοκινήτων.

Πέρα από τα βιομηχανικά εξαρτήματα, οι εργαστηριακές δοκιμές κάλυψαν περισσότερες από 200 διαφορετικές δεξιότητες. Ανάμεσα σε αυτές συγκαταλέγεται η χρήση λαβίδας για το σερβίρισμα φαγητού, το δέσιμο κορδέλας σε κουτιά δώρων, ακόμα και η χρήση σιφωνίου για τη μεταφορά υγρών με απόλυτη ακρίβεια. Η ταχύτητα με την οποία ένα μηχάνημα μπορεί πλέον να εκπαιδευτεί σε τέτοιες λεπτές μικροκινήσεις αναβαθμίζει πλήρως τις δυνατότητες αυτοματοποίησης, απελευθερώνοντας τους τεχνικούς των εργοστασίων από επαναλαμβανόμενες ρουτίνες ώστε να επικεντρωθούν σε εργασίες υψηλότερης προστιθέμενης αξίας.

Προσομοίωση, συνθετικά δεδομένα και το ASIMOV-Jailbreak

Η εκπαίδευση οποιουδήποτε ρομποτικού μοντέλου σκοντάφτει παραδοσιακά στην έλλειψη επαρκών δεδομένων από τον πραγματικό κόσμο, καθώς η συλλογή τους απαιτεί εκατοντάδες ώρες καταγραφής με φυσική παρουσία. Η λύση που εφαρμόζει η Google βασίζεται στον ρόλο του μοντέλου Gemini 4 Argon ως ενός πανίσχυρου εργαλείου δημιουργίας συνθετικών δεδομένων. Μελετώντας το βίντεο μιας αποτυχημένης προσπάθειας, το σύστημα διατυπώνει υποθέσεις για τα αίτια του σφάλματος, δημιουργεί χιλιάδες ψηφιακές προσομοιώσεις για τη διόρθωσή του και δοκιμάζει τις λύσεις σε εικονικό περιβάλλον, πριν τις μεταφέρει πίσω στο φυσικό υλισμικό.

Η κλίμακα της λειτουργίας σε βιομηχανικούς χώρους απαιτεί αυστηρά πρωτόκολλα ασφαλείας, ειδικά όταν βαριά μηχανήματα μοιράζονται τον ίδιο χώρο με ανθρώπους. Η DeepMind εισήγαγε το ανοιχτό εργαλείο συγκριτικής αξιολόγησης ASIMOV-Jailbreak, το οποίο ελέγχει την αντοχή των ρομπότ απέναντι σε κακόβουλες ή επικίνδυνες προτροπές. Τα αποτελέσματα δείχνουν ότι η ανανεωμένη αρχιτεκτονική αντιστέκεται επιτυχώς σε ποσοστό 99,5% (μέσω του Argon) στις προσπάθειες παραβίασης των κανόνων ασφαλείας. Στην πράξη, αυτό μεταφράζεται σε 33% υψηλότερο ποσοστό ασφαλούς ολοκλήρωσης εργασιών γύρω από φυσικά εμπόδια και 43% βελτίωση όταν το ρομπότ κινείται πολύ κοντά σε ανθρώπους εργαζόμενους.

Πηγή – Techgear

ΔΙΑΦΗΜΙΣΗ

BUY & SELL IN CYPRUSwww.buyme.cy

ΔΙΑΦΗΜΙΣΤΕ ΤΙΣ ΥΠΗΡΕΣΙΕΣ Ή
ΤΗΝ ΕΠΙΧΕΙΡΗΣΗ ΣΑΣ ΚΟΝΤΑ ΜΑΣΕΛΚΥΣΤΙΚΑ ΠΑΚΕΤΑ ΓΙΑ 3 - 6 - 12 ΜΗΝΕΣinfo@aftoforo.com | www.aftoforo.com