Google використовує Gemini 2.0 як мозок для роботів, про це пише медіа Gizmodo. Розповідаємо, як це працює.
Що сталося
Google DeepMind оголосили, що використовують Gemini 2.0 для використання її у реальних роботах. Компанія анонсувала дві нові моделі штучного інтелекту, які «закладають основу для нового покоління корисних роботів».
Перша модель Gemini Robotics — це vision-language-action (VLA), яка побудована на Gemini 2.0. У цій версії Gemini 2.0 додано фізичні дії як вихідну відповідь на запит. На телефоні Pixel, наприклад, «відповіддю» Gemini буде виконання дії або відповідь на запитання. Натомість Gemini в роботі сприйматиме цю команду як щось, на що він повинен фізично відповісти.
Друга модель ШІ яку презентував Google — Robots-ER, яка є візуальною мовною моделлю з розширеним просторовим розумінням, що дозволяє їй орієнтуватися в динамічному середовищі:
- робот може розрізняти різні миски та фрукти;
- сортувати предмети за подібністю;
- розуміє розбіжності упаковки продуктів — відкриває пакет, коробку чи контейнер по різному, демонструючи здатність до «міркування».
Google усвідомлює занепокоєння щодо безпечності Gemini, особливо в контексті робототехніки. Компанія впроваджує механізми захисту, що дозволяють моделям оцінювати безпеку потенційних дій, використовуючи набори даних, такі як ASIMOV. Крім того, Google співпрацює з експертами, щоб забезпечити відповідальну розробку ШІ, прагнучи мінімізувати ризики та гарантувати безпеку користувачів.
Чому це цікаво
Google скерував свої зусилля щоб Gemini був таким «мозком», який він може запустити в роботизований простір. Але наразі складно усвідомити що помічник із смартфону, забезпечує робота мисленням. У компанії кажуть, що продовжать тестування для визначення можливостей роботів із новим «мозком».
Google співпрацює з такими компаніями, як Apptronik, щоб «створити наступне покоління гуманоїдних роботів». Модель Gemini Robots-ER також стане доступною для тестування партнерами, зокрема Agile Robots, Agility Robots, Boston Dynamics і Enchanted Tools.