Bár a mesterséges intelligencia jelentős előrelépéseket tett az elmúlt években, a Google DeepMind legújabb robotoknak szánt AI modelljei átformáló előrelépést jelentenek a robotikai képességek terén. Ennek az előrelépésnek a középpontjában a Vision-Language-Action (VLA) keretrendszer áll, amely a Gemini 2.0-ra épül. Ez a modell integrálja a fizikai cselekvéseket a szöveggel, képekkel és hanggal, ezáltal növelve a robot autonómiát fejlett gépi tanulási technikák révén. A VLA keretrendszer kiemelkedik azáltal, hogy zökkenőmentes irányítási mechanizmust kínál, amely lehetővé teszi a robotok számára, hogy alkalmazkodjanak a dinamikus környezetekhez és emberi beavatkozás nélkül hajtsanak végre feladatokat.
Az AI modellek figyelemre méltó több platformon való alkalmazhatóságot mutatnak, hatékonyan kezelve különböző robotikai rendszereket, mint például az ALOHA 2 karokat, Franka rendszereket és humanoid robotokat, mint az Apptronik Apollo. Ez a sokoldalúság kritikus fontosságú annak biztosításában, hogy ezek a robotok különböző beállításokban széles feladatkört tudjanak végrehajtani, ezáltal bővítve alkalmazási lehetőségeiket.
Emellett a modellek kiválóak a valós idejű környezeti megfigyelésben, lehetővé téve számukra, hogy reagáljanak a hirtelen változásokra, például elmozduló tárgyakra vagy megváltozott utasításokra, ami kifinomult gépi tanulási algoritmusaikat tükrözi.
A teljesítménytesztek felfedik e modellek kivételes teljesítményét, 74,5%-os sikeres arányt mutatva az általánosítási feladatokban a meglévő modellek 42,6%-ával szemben. Ez a viszonyítási alapot jelentő vezető szerep kiemeli a modellek képességét arra, hogy hatékonyan kezeljék a korábban nem látott tárgyakat, környezeteket és utasításokat, ami kritikus tényező a robot autonómia javításában. Szakértelmük kiterjed különféle feladatok végrehajtására, beleértve a felvesz-és-elhelyez műveleteket, origami hajtogatást és ételkészítést, még akkor is, ha korábban nem találkoztak ezekkel a feladatokkal.
A vezető AI modellek 74,5%-os sikert érnek el az általánosításban, felülmúlva a meglévő modelleket és javítva a robot autonómiát.
A modellek továbbá robusztus utasításfeldolgozást mutatnak, kezelve az átfogalmazásokat, elírásokat és az utasítások különböző részletességi szintjeit, 87%-os sikerességgel követve a többnyelvű parancsokat.
Az interaktivitás egy másik terület, ahol ezek az AI modellek kiválóak. Képesek igazítani cselekedeteiket a valós idejű környezeti vagy utasítási változásokhoz, elősegítve a zökkenőmentes együttműködést az emberekkel mind otthoni, mind szakmai környezetben. A beszélgetési inputok megértése több nyelven javítja a kultúrák közötti alkalmazhatóságot, erősítve hasznosságukat globális kontextusban. A biztonság holisztikus megközelítése, az alacsony szintű irányítástól a magas szintű megértésig, biztosítja, hogy ezek a modellek hatékonyan és biztonságosan működhessenek különböző környezetekben.
A motorikus hibák, például csúszó tárgyak észlelésére és reagálására való képességük tovább garantálja a feladat pontosságát és megbízhatóságát.
A kézügyesség szempontjából az AI modellek finom motorikus készségek végrehajtását demonstrálják, koordinálva a többláncos mozgásokat összetett feladatokhoz. Ez magában foglalja a precíziós műveleteket, például origami hajtogatást és csavarok meghúzását, 78,8%-os sikerarányt elérve a hosszú távú feladatokban finomhangolás után.
Ez a kézügyességi képesség, párosulva a hatékony tárgymozgatással, kiemeli a Google DeepMind AI modellje
References
- https://www.therobotreport.com/google-deepmind-introduces-two-gemini-models-bring-ai-real-world/
- https://the-decoder.com/google-deepmind-unveils-new-ai-models-for-robotic-control/
- https://deepmind.google/technologies/gemini-robotics/gemini-robotics-model/
- https://techcrunch.com/2025/03/12/google-deepmind-unveils-new-ai-models-for-controlling-robots/
- https://deepmind.google/discover/blog/advances-in-robot-dexterity/
