ათწლეულების განმავლობაში რობოტოტექნიკა შეზღუდული იყო წინასწარ დაპროგრამებული, ვიწრო და განმეორებადი დავალებებით. მათ აკლდათ დამოუკიდებელი სწავლისა და უცნობ გარემოსთან ადაპტაციის უნარი, ხოლო ერთი ტიპის რობოტის მიერ ათვისებული უნარების სხვა ფიზიკურ სხეულზე გადატანა თითქმის შეუძლებელი იყო. Gemini Robotics 2 სწორედ ამ ფუნდამენტურ ბარიერს ამსხვრევს.
არქიტექტურა: სამი სპეციალიზებული AI მოდელი
Google DeepMind-მა რობოტიკის ახალი ინტელექტუალური შრე სამი ურთიერთდაკავშირებული მოდელის ბაზაზე ააგო, რომლებიც უზრუნველყოფენ როგორც მაღალი დონის აზროვნებას, ისე დაბალი დონის მოტორულ მართვასაც:
Gemini Robotics 2 (VLA) | ვიზუალურ-ენობრივ-მოტორული (Vision-Language-Action) . გარდაქმნის ვიზუალურ და ტექსტურ ინსტრუქციებს პირდაპირ მოტორულ ბრძანებებად. აკონტროლებს ჰუმანოიდების მთელ სხეულს, ნაბიჯებიდან თითების უზუსტეს მოძრაობამდე. |
|---|---|
Gemini Robotics ER 2 (Embodied Reasoning) | მაღალი დონის აზროვნების VLM , რომელიც რობოტის „ტვინის“ ფუნქციას ასრულებს. იაზრებს გარემოს, გეგმავს მრავალეტაპიან დავალებებს, ეკონტაქტება ადამიანს და კოორდინაციას უწევს VLA მოდელს. |
Gemini Robotics On-Device 2 | ლოკალურად გაშვებადი ეფექტიანი , რომელიც ინტერნეტკავშირისა და დაყოვნების (latency) გარეშე მუშაობს. სულ რაღაც რამდენიმე საათში და 200-ზე ნაკლები მაგალითით ეგუება სრულიად ახალ რობოტულ სხეულებს. |
სრულსხეულიანი მართვა და გამართული მოქნილობა
წინა თაობის მოდელები ძირითადად რობოტის ზედა ტანს და მაგიდაზე შესასრულებელ ლოკალურ ამოცანებს აკონტროლებდნენ. Gemini Robotics 2 პირველად წარმართავს ჰუმანოიდების სრულ სხეულს. მაგალითად, Apptronik-ის Apollo 2 ჰუმანოიდისთვის მიცემული ბრძანებისას, რობოტი იაზრებს დავალებას, მიდის მაგიდასთან, იღებს ნივთს, გადაადგილდება თაროსკენ, იხრება და ზუსტად ათავსებს მას დანიშნულების ადგილას.
ამასთანავე, მოდელს აქვს მილიმეტრული სიზუსტე როგორც ხუთთითიან ხელებზე, ისე სტანდარტულ ორთითა მარწუხებზე. Apollo 2-ზე დამონტაჟებული ხუთთითიანი SharpaWave ხელის მართვით, Gemini Robotics 2-ს ისეთი დელიკატური ოპერაციების შესრულება შეუძლია, როგორებიცაა კვანძის შეკვრა ან ელვაშესაკრავიანი პაკეტის შეკვრა. ხოლო Franka Duo პლატფორმაზე ორთითა მარწუხებით მოდელს უკვე ნივთების მჭიდროდ შეფუთვა და კომპლექსური დალაგებაც შეუძლია.
აგენტური აზროვნება და მრავალრობოტიანი გუნდური მუშაობა
რეალური სამყაროს ამოცანები მრავალეტაპიან პროცესებსა და ასობით მიმდინარე გადაწყვეტილების მიღებას მოითხოვს. Gemini Robotics ER 2 მოქმედებს როგორც რობოტის ცენტრალური აგენტი - იგი აკვირდება სივრცეს, გეგმავს ნაბიჯებს, აკონტროლებს პროგრესს და შეცდომის შემთხვევაში დამოუკიდებლად ახდენს კორექტირებას. ახალი განახლებით რობოტებს რამდენიმეწუთიანი კომპლექსური ციკლების უხარვეზოდ შესრულება შეუძლიათ. გარდა ამისა, Google DeepMind-მა პირველად წარადგინა მრავალრობოტიანი კოლაბორაცია (Multi-robot collaboration). სხვადასხვა არქიტექტურისა და ფორმის რობოტებს ახლა შეუძლიათ ერთმანეთთან კომუნიკაცია და დავალებების გადანაწილება/ მაგალითად, ერთმა რობოტმა გაასუფთავოს სივრცე, ხოლო მეორემ ნივთები თაროებზე დაალაგოს.
სწრაფი ლოკალური ადაპტაცია და უსაფრთხოების სტანდარტები
On-Device 2 Gemini Robotics 1.5-ის ინოვაციურ „მოძრაობის გადატანის“ (motion transfer) ტექნოლოგიას იყენებს. ეს საშუალებას იძლევა, სულ რაღაც 2-3 საათში და 200-ზე ნაკლები მაგალითით მოერგოს სრულიად უცნობი სტრუქტურის, სენსორებისა და ფორმის რობოტებს. უსაფრთხოების კუთხით, Google DeepMind-მა ახალი სამიზნე ნიშნული — ASIMOV-Agentic წარადგინა, რომელიც ზომავს აგენტის უნარს, უარი თქვას საფრთხის შემცველ ინსტრუქციებზე და გაურკვევლობის შემთხვევაში ითხოვოს ადამიანის ჩარევა. გარდა ამისა, ER 2 მოდელს აქვს ადამიანის სიახლოვის დეტექციის გაუმჯობესებული ფუნქციაც - იგი რეალურ დროში აფიქსირებს ახლოს მყოფ ადამიანს და ავტომატურად აჩერებს რობოტს ავარიის თავიდან ასაცილებლად.
შევაჯამოთ:
On-Device 2-ის უნარი, სულ რაღაც 2-3 საათში მოერგოს ნებისმიერ ფიზიკურ სხეულს, აპარატურულ უზრუნველყოფას (Hardware) უბრალო მოხმარების პროდუქტაც აქცევს. Android-ის მსგავსად, რომელმაც სმარტფონების ოპერაციული სისტემები დაიპყრო, Google ცდილობს შექმნას უნივერსალური AI შრე, რომელიც ნებისმიერი მწარმოებლის რობოტში იმუშავებს.
სამრეწველო, სამხედრო თუ საყოფაცხოვრებო გარემოში ინტერნეტის დაყოვნება ან გათიშვა კრიტიკული რისკია. On-Device 2-ის ლოკალური ოპერირება აჩვენებს, რომ მომავლის ფიზიკური AI დამოკიდებული იქნება ლოკალურ ჩიპებსა და Edge Computing-ზე. 3
ჩატბოტის მხოლოდ ტექსტური შეცდომაა, ხოლო 200-კილოგრამიანი ჰუმანოიდის შეცდომამ შეიძლება ფიზიკური ზიანი გამოიწვიოს. ASIMOV-Agentic სწორედ იმის აღიარებაა, რომ ავტონომიური რობოტების მასობრივ ბაზარზე შესვლის მთავარი დაბრკოლება არა მოძრაობის სიჩქარე, არამედ უსაფრთხოების გარანტიებია.
საინტერესო იყო ეს სიახლე? გაუზიარეთ მეგობრებს და დაგვეხმარებით ხმა უფრო მეტ ცნობისა და ცოდნისმოყვარეს მივაწვდინოთ.
