Gepubliseer op: 20 Maart 2025 / Update van: 20 Maart 2025 - Skrywer: Konrad Wolfenstein
Google Gemini 2.0, The Artificial Intelligence and Robotics: Gemini Robotics and Gemini Robotics-Er-Creative Image: Xpert.digital
DeepMind bied Tweeling aan: die volgende era van robotika begin
Gemini Robotics: Google se transformerende samesmelting van kunsmatige intelligensie en robotika
Op 12 Maart 2025 het Google Deepmind sy nuutste projek Gemini Robotics aangebied, 'n indrukwekkende tegnologie wat die kragtige Gemini 2.0 -taalmodel met gevorderde robotika kombineer. Hierdie innovasie is 'n belangrike mylpaal in die ontwikkeling van intelligente robotstelsels wat natuurlike taal kan verstaan en komplekse fisiese take kan verrig.
Google Deepmind is 'n toonaangewende navorsingsonderneming vir Artificial Intelligence (AI), wat in 2010 gestig is en in 2014 deur Google oorgeneem is. Dit fokus op die ontwikkeling van gevorderde AI-tegnologieë, wat gekenmerk word deur neurale netwerke met korttermynberging en kunsmatige geheue. DeepMind het beduidende deurbrake bereik, insluitend die verdediging van menslike spelers in die spel “Go” en die ontwikkeling van Alphafold, 'n stelsel om proteïenstrukture te voorspel. DeepMind se tegnologie word in gebiede soos robotika, medisyne, energie -doeltreffendheid en taalverwerking gebruik.
Die tegnologiese grondslae van Tweeling -robotika
Gemini Robotics is ontwerp as 'n progressiewe visie -lengte van die Model (VLA) -model, wat voortbou op die reeds kragtige Gemini 2.0. Die sentrale innovasie is dat die stelsel nie net digitale data soos tekste, beelde of video's kan verwerk nie, maar ook vir die eerste keer fisieke aksies in die regte wêreld kan uitvoer.
Die tegnologie gebruik die multimodale begrip van Gemini 2.0 en brei dit uit met 'n beslissende nuwe modaliteit: fisiese aksies. Dit stel die robotte in staat om die digitale en fisiese wêreld te oorbrug op 'n manier wat nog nie moontlik was nie.
Geskik vir:
Funksionaliteit en persepsievaardighede
Die tegnologiese deurbraak van Tweeling -robotika lê in die vermoë om die omgewing deur kameras waar te neem, voorwerpe te herken en hul ruimtelike dimensies vas te lê. Hierdie inligting word dan omgeskakel in 'n 3D -wêreld met presiese tegniese koördinate.
Die stelsel kan ook:
- Verstaan natuurlike taalopdragte en implementeer dit in fisiese aksies
- Verstaan ingewikkelde ruimtelike verhoudings tussen voorwerpe
- Aanpas by nuwe, onbekende situasies
- Genereer oor verskillende robottipes
Die twee komplementêre modelle: Gemini Robotics en Gemini Robotics-er
Google Deepmind het nie net een aangebied nie, maar twee gespesialiseerde modelle wat verskillende aspekte van die robotika AI aanspreek.
Gemini Robotics
Die hoofmodel Gemini Robotics kombineer Gemini 2.0 se taalverwerkingsvaardighede met fisiese beheer. Dit stel robotte in staat om op natuurlike taalopdragte te reageer, komplekse omgewings te verstaan en aanpasbare aksies uit te voer.
Gemini Robotics
Die tweede model, Gemini Robotics-er (waardeur hy staan vir 'beliggaming redenering' of 'gewysigde logika'), fokus op verbeterde ruimtelike denke. Hierdie vermoë is van kardinale belang vir robotte wat in dinamiese, drie -dimensionele omgewings moet optree.
Gemini Robotics-er, byvoorbeeld, kan intuïtief besef hoe 'n voorwerp die beste gebruik kan word. As 'n koffiebeker aan die model gewys word, kan dit onafhanklik 'n geskikte tweevingerhandvatsel kies om die beker op die handvatsel op te lig en 'n veilige beweging te bereken.
Gedemonstreerde vaardighede en praktiese toepassings
In indrukwekkende demonstrasievideo's wys Google DeepMind die praktiese vaardighede van die nuwe AI -modelle. Die robotstelsels kan 'n verskeidenheid ingewikkelde take uitvoer, insluitend:
- Voue van origami en papier
- Sorteer en organiserende voorwerpe gebaseer op verbale instruksies
- Presiese aangrypende en bewegende broos voorwerpe
- Noukeurige invoeging van 'n bril in 'n ETUI
- Dobbelsteen en manipuleer klein voorwerpe
- Sluit 'n rits saam
- Wikkel koptelefoonkabels
- Uitvoering van presisie -take soos basketbal dunk
Dit is veral opmerklik dat die robotte hierdie take outonoom verrig nadat hulle slegs 'n opdrag ontvang het. Die stelsel bespeur onafhanklik voorwerpe, identifiseer dit, verkry die nodige individuele stappe en beheer die robotarms dienooreenkomstig.
Strategiese vennootskappe vir verdere ontwikkeling
Om die volle potensiaal van hierdie tegnologie te open, werk Google DeepMind saam met toonaangewende ondernemings uit die robotika -industrie:
- Apptronik, 'n Texan-opstart wat die humanoïde robot “Apollo” ontwikkel het, wat ontwerp is vir logistieke en vervaardigingstake soos opheffing, bewegende en stapel bokse
- Boston Dynamics, 'n bekende robotika-onderneming wat ironies genoeg deur Google gekoop is en later weer verkoop is
- Agility Robotics en Agile Robots as ander vennote vir die ontwikkeling en toets van Gemini Robotics-er
Hierdie samewerking toon Google se strategie om die tegnologie op verskillende robotplatforms te implementeer en te toets om hul breë toepaslikheid te verseker.
Geskik vir:
Betekenis vir die toekoms van robotika
Die direkteur van robotika by Deepmind, Kanishka Rao, het tydens 'n perskonferensie gesê dat een van die grootste uitdagings in robotika bestaan dat robotte tipies goed werk in bekende scenario's, maar in onbekende situasies misluk. Gemini -robotika moet presies hierdie probleem oplos.
Geskik vir:
Die integrasie van groot taalmodelle (LLMS) in die robot is deel van 'n groeiende neiging, en Gemini se benadering kan een van die indrukwekkendste voorbeelde hiervan wees. Jan Liphardt, professor in bio -ingenieurswese aan die Stanford -universiteit en stigter van OpenMind, beklemtoon dat dit 'een van die eerste voorbeelde is van die gebruik van generatiewe AI en groot taalmodelle op gevorderde robotte' en 'regtig die sleutel tot die ontwikkeling van robot helpers en robotgenote' kan wees.
Jensen Huang, uitvoerende hoof van NVIDIA, gaan nog verder en dui aan dat die gebruik van generatiewe AI om robotte te voorsien 'n markpotensiaal van 'n paar triljoen Amerikaanse dollars op groot skaal kan wees.
Tweeling en robotika: 'n keerpunt vir intelligente stelsels?
Ondanks die indrukwekkende vordering, is daar steeds uitdagings. Ken Goldberg, professor in robotika aan die Universiteit van Kalifornië in Berkeley, beskryf die AI-stelsels as ''n opwindende ontwikkeling op die gebied van robotika', maar wys daarop dat 'daar nog baie te doen is voordat robotte vir alle doeleindes gereed is vir gebruik in die alledaagse lewe'.
Google beplan om verdere insigte te gee oor die moontlikhede van hierdie tegnologie rondom die komende Google I/O -konferensie. Met sy baie jare se belangstelling in robotika en nou saam met Gemini as 'n geskikte sagtewarekomponent, kan Google 'n nuwe hoofstuk open in die ontwikkeling van intelligente robotte.
Van taal tot aksie: Google stel nuwe standaarde in robotika
Met Tweeling -robotika het Google Deepmind 'n belangrike stap geneem in die rigting van die samesmelting van AI en robotika. Die vermoë om natuurlike taal te verstaan, komplekse omgewings te waarneem en fisieke aksies uit te voer, kan die manier waarop robotte in die toekoms gebruik sal word, 'n omwenteling maak.
Hierdie tegnologie is die oorgang van suiwer digitale AI -toepassings na stelsels wat 'n direkte invloed op die fisiese wêreld kan hê. Alhoewel dit probleme met sommige skeptici van AI kan veroorsaak, is die hooffokus van Google Deepmind op die ontwikkeling van aanpasbare en nuttige robotstelsels wat ingewikkelde take met minder opleiding kan bestuur.
Die komende jare sal wys hoe hierdie tegnologie ontwikkel en watter praktiese toepassings u op verskillende gebiede sal vind, van die industrie tot die alledaagse lewe.
Geskik vir:
Jou globale bemarkings- en besigheidsontwikkelingsvennoot
☑️ Ons besigheidstaal is Engels of Duits
☑️ NUUT: Korrespondensie in jou landstaal!
Konrad Wolfenstein
Ek sal graag jou en my span as 'n persoonlike adviseur dien.
Jy kan my kontak deur die kontakvorm hier in te vul of bel my eenvoudig by +49 89 89 674 804 (München) . My e-posadres is: wolfenstein ∂ xpert.digital
Ek sien uit na ons gesamentlike projek.
