O Google DeepMind introduziu a Gemini Robotics e a Gemini Robotics-ER, dois modelos avançados de IA desenvolvidos para aprimorar como os robôs aprendem e se adaptam às tarefas físicas com treinamento anterior mínimo. Seu lançamento reflete o foco crescente nos recursos de interação do mundo real no setor de modelos de IA em evolução. href=”https://deepmind.google/discover/blog/gemini-robotics-brings-ai-into-the-fysical-world/”> gemini robótica combina o reconhecimento visual, a compreensão da linguagem natural e a aprendizagem de ação para enable para processar ambientes complexos, instruções de instrução e exsect. altura=”352″src=”Dados: imagem/svg+xml; nitro-inempty-id=mtcxntoymduy-1; base64, phn2zyb2awv3qm94psiwidagmtaycaznt Iiihdpzhropsixmdi0iiBozwlnaHq9ijm1miigEg1sbnm9Imh0dHa6ly93d3CudzMub3Jnlziwmdavc3znij48l3n2zz4=”>
Os modelos empregam abordagens de aprendizado zero e de poucos tiros, permitindo que os robôs lidem com tarefas sem treinamento prévio ou se adapte rapidamente a partir de exemplos mínimos. Essa abordagem pode ajudar indústrias como fabricação e logística, minimizando os ciclos de treinamento e facilitando a implantação mais rápida de sistemas robóticos. Os robôs que usam esse modelo podem analisar ambientes 3D, prever trajetórias de objetos e entender como os objetos interagem dentro de um espaço. em sua adaptabilidade em vários contextos operacionais. Os robôs que utilizam esses modelos podem fazer a transição entre tarefas ou se ajustar a novos ambientes com a reprogramação mínima. Essa capacidade de plataforma cruzada simplifica o processo de escala para empresas que integrem robótica avançada em suas operações, abordando diretamente os desafios nos fluxos de trabalho de automação. Em dezembro de 2024, a Universidade Carnegie Mellon introduziu o simulador GENESIS AI, que acelera o treinamento robótico, gerando simulações complexas até 81 vezes mais rápidas que as condições do mundo real. (Fonte: gênese github página )
A gênese permite a geração de cenário dinâmico de seus instruções de texto em figura em que heliX, em heliX, oferecem uma abordagem de figura AI de figura aBR de figura aBr. Responsividade e adaptabilidade dos robôs. Operando inteiramente em GPUs incorporadas, a Helix permite que os robôs entendam os comandos de voz, se adaptem a objetos desconhecidos e colaborem em tempo real-sem confiar nos sistemas em nuvem.
[Conteúdo incorporado]
A Microsoft em fevereiro anunciou seu modelo MAGMA AI, concentrando-se na automação de software de ponte com robótica. O magma integra dados de visão, linguagem e ação para automatizar fluxos de trabalho em ambientes industriais e corporativos, aprimorando a adaptabilidade e reduzindo a complexidade operacional.
uso Enquanto isso, exemplos de casos para a IA do Magma (fonte: Microsoft)
, a Meta se concentrou em fornecer tecnologias fundamentais de IA. No início de fevereiro, a empresa introduziu o modelo Meta Motivo, projetado para melhorar a precisão e o movimento real da robótica. A abordagem da Meta suporta fabricantes de terceiros na construção de sistemas robóticos avançados.
Crega de tela A partir da demonstração interativa do meta-motivação
simulação, impulsionando mais rápido o desenvolvimento da IA
A simulação tornou-se um componente central do desenvolvimento da IA, fornecendo ambientes de baixo risco para refinar comportamentos robóticos. O emulador de gênese permite que os pesquisadores criem cenários realistas a partir de avisos de texto básicos, acelerando a adaptação de modelos de IA como a Gemini Robotics antes da implantação do mundo real. Isso permite que os sistemas de IA otimizem suas ações por meio de simulações repetidas, garantindo um comportamento aprimorado em condições imprevisíveis do mundo real. Para a Gemini Robotics, essa técnica garante adaptabilidade e precisão em diversas tarefas e ambientes. A Figura da Helix System da AI exemplifica isso utilizando GPUs incorporadas para tomada de decisão local, reduzindo a latência e permitindo a capacidade de resposta imediata. Isso é especialmente crucial em indústrias como a logística, onde a adaptabilidade rápida é essencial para a eficiência operacional.
O Gemini Robotics de DeepMind emprega, por outro lado, a tomada de decisão consciente do contexto. Isso permite que os robôs ajustem seu comportamento com base em dados ambientais em tempo real, reduzindo a necessidade de instruções rígidas e predefinidas.
Essa adaptabilidade é essencial para a implantação em ambientes dinâmicos onde a flexibilidade é uma vantagem competitiva. Enquanto modelos como hélice e gemini robótica podem melhorar a adaptabilidade geral, tarefas envolvendo dilemas éticos ou usando objetos frágeis ou irregulares continuam a testar o julgamento, precisão e precisão robóticas. concentrando-se em minimizar comportamentos não intencionais e garantir que os robôs possam interagir com segurança com ambientes humanos.