Google Deepmind julkisti 24. kesäkuuta vallankumouksellisen robotiikan mallin Gemini-robottiikan laitteessa, merkitsemällä ensimmäistä kertaa malli voi toimia kokonaan paikallisesti luottamatta pilviyhteyteen. Tämä visuaalisen kielen toiminnan (VLA) malli, joka perustuu Kaksoihin 2.
Teknologinen läpimurto: harppaus kohti autonomiaa pilvestä reunaan
Gemini-robotiikka on laitteessa saavuttaa suorituskyvyn, joka on verrattavissa pilvipohjaisiin malleihin paikallisessa laitteistossa kevyen suunnittelun ja algoritmin optimoinnin avulla, samalla kun se ylittää huomattavasti muita paikallisia ratkaisuja. Varustettuna tiheällä kosketusantureilla ja IP67-vedenpitävällä suunnittelulla, se voi toimia jopa 1 metrin syvyydessä 30 minuutin ajan, sopeutumalla monimutkaisiin ympäristöihin, kuten keittiöihin ja kylpyhuoneisiin. Liikkuvuuden kannalta kävelynopeus on parantunut 60% edelliseen sukupolveen verrattuna. Tasapainon tarkkuus kilpailee ammatillisten voimistelijoiden ja tuen kaksoisvarren yhteistyöhön tarkkojen toimintojen, kuten teollisuuskokoonpanon, suorittamiseksi.
Kehittäjän ekosysteemi: Räätälöinti vain 50 demonstraatiolla
Googlen ensimmäisenä avoimena VLA-mallina Gemini-robotiikan laitteessa voi nopeasti sopeutua uusiin skenaarioihin vain 50-100 tehtävän esittelyillä, kuten ohjeiden suorittaminen "Aseta Rubikin kuutio lahjapussiin" Apptronikin Apollo Humanoid-robottiin. Mukana oleva Gemini -robotiikka SDK integroi Mujoco -fysiikan simulaattorin, jonka avulla kehittäjät voivat testata mallin virtuaaliympäristössä ja päästä "luotettavan testeriohjelman" kautta. Teollisuus pitää tätä aloitetta "robotiikan androidina", jolla on mahdollisuus ohjata laitteisto-ohjelmistojen irrottamista ja alemman teollisuuden kehitysesteiden esteitä.
Sovellusskenaariot: Yleistävyys tehtaista koteihin
Teollisuussektorilla malli on mukautettu Franka FR3 -kaksarobottiin, mikä mahdollistaa tehtävät, kuten kuljetinhihnakokoonpanot ja laaduntarkastukset. Koti -asetuksissa se voi suorittaa päivittäisiä palveluita, kuten koiralla keittämistä ja kävelemistä luonnollisen kielen vuorovaikutuksen kautta, ja jopa valmistaa aamiainen etukäteen käyttäjien aikataulujen perusteella. Erityisesti Google on ottanut käyttöön semanttiset turvallisuusarvioinnit Gemini Live -sovellusliittymän ja asettaneen toimintavoiman ja nopeusrajoituksen kautta laitteistotasolla monikerroksisen turvallisuussuojajärjestelmän rakentamiseksi.
Vaikka se on tällä hetkellä kehitetty Gemini 2: n perusteella. 0, sen ydinryhmä on jo alkanut integroida viimeisimmän Gemini 2.5: n suorituskyvyn parannukset, mikä mahdollisesti tasoittaa tietä monen vaiheen loogisten suunnitteluominaisuuksien lisäämiseksi. Kun paikalliset AI -mallit muuttuvat yleisemmäksi, robotiikkateollisuus siirtyy "pilviriippuvuudesta" "Edge Intelligence" -tapahtumaan. Gemini-robotiikan lanseeraus laitteessa merkitsee uutta ruumiillistuneen älykkyyden aikakautta, joka saapuu laajamittaiseen sovellukseen.