Публикувано на: 20 март 2025 г. / Актуализирано на: 20 март 2025 г. – Автор: Konrad Wolfenstein
Google Gemini 2.0, Изкуствен интелект и роботика: Gemini Robotics и Gemini Robotics-ER – Творческо изображение: Xpert.Digital
DeepMind представя Gemini: Започва следващата ера на роботиката
Gemini Robotics: Трансформативното сливане на изкуствен интелект и роботика на Google
На 12 март 2025 г. Google DeepMind представи най-новия си проект, Gemini Robotics, впечатляваща технология, която съчетава мощния езиков модел Gemini 2.0 с усъвършенствана роботика. Тази иновация бележи важен етап в разработването на интелигентни роботизирани системи, способни да разбират естествен език и да изпълняват сложни физически задачи.
Google DeepMind е водеща компания за изследвания в областта на изкуствения интелект (ИИ), основана през 2010 г. и придобита от Google през 2014 г. Тя се фокусира върху разработването на усъвършенствани технологии за ИИ, характеризиращи се с невронни мрежи с краткосрочно съхранение и изкуствена памет. DeepMind постигна значителни пробиви, включително побеждаване на човешки играчи в играта Го и разработване на AlphaFold, система за предсказване на протеинови структури. Технологиите на DeepMind се прилагат в области като роботиката, медицината, енергийната ефективност и обработката на естествен език.
Технологичните основи на Gemini Robotics
Gemini Robotics е проектирана като усъвършенстван модел Vision-Language-Action (VLA), надграждащ вече мощния Gemini 2.0. Ключовата иновация е, че системата може не само да обработва цифрови данни като текст, изображения или видеоклипове, но за първи път и да извършва физически действия в реалния свят.
Технологията използва мултимодалните възможности за разбиране на Gemini 2.0 и ги разширява, за да включи ключова нова модалност: физически действия. Това позволява на роботите да свързват дигиталния и физическия свят по начин, който преди е бил невъзможен.
Свързано с това:
Функционални и перцептивни способности
Технологичният пробив на Gemini Robotics се крие в способността им да възприемат околната среда чрез камери, да разпознават обекти и да улавят техните пространствени измерения. След това тази информация се трансформира в 3D свят с точни технически координати.
Системата може също:
- Разбиране на командите на естествения език и превръщането им във физически действия
- Разбиране на сложни пространствени взаимоотношения между обекти
- Адаптиране към нови, непознати ситуации
- обобщаване за различните видове роботи
Двата допълващи се модела: Gemini Robotics и Gemini Robotics-ER
Google DeepMind представи не един, а два специализирани модела, които разглеждат различни аспекти на роботизирания изкуствен интелект.
Джемини Роботикс
Основният модел на Gemini Robotics комбинира възможностите за обработка на реч на Gemini 2.0 с физически контрол. Той позволява на роботите да реагират на команди на естествен език, да разбират сложни среди и да извършват адаптивни действия.
Gemini Robotics-ER
Вторият модел, Gemini Robotics-ER (където ER означава „embodied reasoning“), се фокусира върху подобреното пространствено мислене. Тази способност е от решаващо значение за роботите, които трябва да работят в динамични, триизмерни среди.
Gemini Robotics-ER, например, може интуитивно да разпознае най-добрия начин за хващане на обект. Ако на модела бъде показана чаша за кафе, той може самостоятелно да избере подходящ захват с два пръста, за да повдигне чашата за дръжката и да изчисли безопасна последователност от движения.
Демонстрирани умения и практически приложения
Впечатляващи демонстрационни видеоклипове, Google DeepMind показва практическите възможности на своите нови модели с изкуствен интелект. Роботизираните системи могат да изпълняват голямо разнообразие от сложни задачи, включително:
- Сгъване на оригами и хартия
- Сортиране и организиране на обекти въз основа на устни инструкции
- Прецизно захващане и преместване на крехки предмети
- Внимателно поставяне на очилата в калъф
- Хвърляне на зарове и манипулиране на малки предмети
- Затваряне на цип заедно
- Навиване на кабели за слушалки
- Изпълняване на прецизни задачи, като например баскетболни забивки
Особено забележително е, че роботите изпълняват тези задачи автономно, след като получат само една инструкция. Системата самостоятелно разпознава обекти, идентифицира ги, извежда необходимите отделни стъпки и съответно управлява роботните рамена.
Стратегически партньорства за по-нататъшно развитие
За да отключи пълния потенциал на тази технология, Google DeepMind си сътрудничи с водещи компании в индустрията за роботика:
- Apptronik, стартираща компания, базирана в Тексас, разработи хуманоидния робот „Аполо“, предназначен за логистични и производствени задачи като повдигане, преместване и подреждане на кутии
- Boston Dynamics, известна компания за роботика, която по ирония на съдбата някога беше купена от Google, а по-късно продадена отново
- Agility Robotics и Agile Robots като допълнителни партньори за разработването и тестването на Gemini Robotics-ER
Това сътрудничество демонстрира стратегията на Google за внедряване и тестване на технологията върху различни роботизирани платформи, за да се гарантира нейната широка приложимост.
Свързано с това:
Значение за бъдещето на роботиката
Директорът по роботика в DeepMind, Канишка Рао, обясни по време на пресконференция, че едно от най-големите предизвикателства в роботиката е, че роботите обикновено се представят добре в познати сценарии, но се провалят в непознати ситуации. Gemini Robotics се стреми да реши именно този проблем.
Свързано с това:
Интегрирането на модели с големи езици (LLM) в роботиката е част от нарастваща тенденция и подходът на Gemini може да бъде един от най-впечатляващите примери за това. Ян Липхард, професор по биоинженерство в Станфордския университет и основател на OpenMind, подчертава, че това е „един от първите примери за прилагане на генеративен изкуствен интелект и модели с големи езици към усъвършенствани роботи“ и би могъл „наистина да бъде ключът към отключването на роботи-учители, роботи-помощници и роботи-придружители“.
Главният изпълнителен директор на Nvidia, Дженсън Хуанг, отива още по-далеч, предполагайки, че използването на генеративен изкуствен интелект за внедряване на роботи в голям мащаб може да представлява пазарен потенциал от няколко трилиона щатски долара.
Джемини и роботика: Повратна точка за интелигентните системи?
Въпреки впечатляващия напредък, предизвикателствата остават. Кен Голдбърг, професор по роботика в Калифорнийския университет в Бъркли, описва системите с изкуствен интелект като „вълнуващо развитие в областта на роботиката“, но предупреждава, че „предстои да се свърши много работа, преди роботите с общо предназначение да бъдат готови за ежедневна употреба“.
Google планира да предостави допълнителна информация за възможностите на тази технология по време на предстоящата конференция Google I/O. С дългогодишния си интерес към роботиката и сега с Gemini като подходящ софтуерен компонент, Google би могла да отвори нова глава в разработването на интелигентни роботи.
От думи към действия: Google поставя нови стандарти в роботиката
С Gemini Robotics, Google DeepMind направи значителна крачка към сливането на изкуствения интелект и роботиката. Способността му да разбира естествен език, да възприема сложни среди и да извършва физически действия би могла да революционизира начина, по който роботите ще се използват в бъдеще.
Тази технология бележи прехода от чисто цифрови приложения с изкуствен интелект към системи, които могат да имат пряко въздействие върху физическия свят. Макар че това може да породи опасения сред някои скептици по отношение на изкуствения интелект, основният фокус на Google DeepMind е върху разработването на адаптивни и полезни роботизирани системи, които могат да се справят със сложни задачи с по-малко обучение.
Следващите години ще покажат как ще се развие тази технология и какви практически приложения ще намери в различни области, от индустрията до ежедневието.
Свързано с това:
Вашият глобален партньор по маркетинг и бизнес развитие
☑️ Нашият бизнес език е английски или немски
☑️ НОВО: Кореспонденция на родния ви език!
Konrad Wolfenstein
Аз и моят екип с удоволствие ще бъдем на ваше разположение като ваш личен съветник.
Можете да се свържете с мен, като попълните формата за контакт тук или просто ми се обадите на +49 89 89 674 804 ( Мюнхен) . Моят имейл адрес е: [email protected]
Очаквам с нетърпение нашия съвместен проект.
