Google DeepMind telah memperkenalkan robotika Gemini dan robotika Gemini-ER, dua model AI canggih yang dikembangkan untuk meningkatkan bagaimana robot belajar dan beradaptasi dengan tugas fisik dengan pelatihan minimal sebelumnya.
Dibangun di atas arsitektur Gemini 2.0, model-model yang mengintegrasikan visual, bahasa, dan pembelajaran berbasis aksi, memposisikan DeepMind di depan Gemini. Peluncuran mereka mencerminkan fokus yang berkembang pada kemampuan interaksi dunia nyata di sektor model AI yang berkembang.
Mengaktifkan kemampuan beradaptasi dengan AI multimodal
robotika gemini Memahami instruksi, dan pemahaman bahasa natural. tinggi=”352″src=”data: gambar/svg+xml; nitro-empty-id=mtcxntoymduy-1; base64, phn2zyb2awv3qm94psiwidagmtayncaznt Iiihdpzhropsixmdi0iibozwlnahq9ijm1Miigeg1sbnm9iMh0dha6ly93d3cudzmub3jnlziwmdavc3znij48l3n2zz4=”>
Model menggunakan pendekatan pembelajaran zero-shot dan beberapa shot, memungkinkan robot untuk menangani tugas tanpa pelatihan sebelumnya atau beradaptasi dengan cepat dari contoh minimal. Pendekatan ini dapat membantu industri seperti manufaktur dan logistik dengan meminimalkan siklus pelatihan dan memfasilitasi penyebaran sistem robot yang lebih cepat.
Robotika Gemini-ER dibangun di atas kemampuan ini dengan meningkatkan penalaran spasial dan temporal. Robot yang menggunakan model ini dapat menganalisis lingkungan 3D, memprediksi lintasan objek, dan memahami bagaimana objek berinteraksi dalam suatu ruang.
Hasilnya adalah sistem yang dapat beradaptasi dengan skenario dinamis dan tidak dapat diprediksi sambil mempertahankan presisi operasional. terletak pada kemampuan beradaptasi di berbagai konteks operasional. Robot yang memanfaatkan model ini dapat beralih antara tugas atau menyesuaikan diri dengan lingkungan baru dengan pemrograman ulang minimal.
Misalnya, robot yang awalnya dikonfigurasi untuk perakitan produk dapat beradaptasi dengan mulus untuk merakit lini produk yang berbeda, mengurangi biaya pengembangan ini dan memungkinkan pengembangan yang lebih cepat. Kemampuan lintas-platform ini menyederhanakan proses penskalaan untuk perusahaan yang mengintegrasikan robotika canggih ke dalam operasi mereka, secara langsung mengatasi tantangan dalam alur kerja otomatisasi.
[Konten Tertanam]
Perkembangan kompetitif dalam robotika AI
Gemini robotics memasuki landasan kompetitif AI kompetitif AI LANINCCOITIF LANINCCOITE LANINCCITED. Beberapa landasan kompetitif AI LANDINC Competitive Landsc Competitive. Pada bulan Desember 2024, Universitas Carnegie Mellon memperkenalkan Genesis AI Simulator, yang mempercepat pelatihan robot dengan menghasilkan simulasi kompleks hingga 81 kali lebih cepat daripada kondisi dunia nyata.
Mesin simulasi AI Genesis Fisika yang digunakan untuk pembuatan adegan 3D interaktif. ; responsif dan kemampuan beradaptasi. Beroperasi sepenuhnya pada GPU tertanam, Helix memungkinkan robot untuk memahami perintah suara, beradaptasi dengan objek yang tidak dikenal, dan berkolaborasi secara real time-tanpa mengandalkan sistem cloud.
[konten tertanam]
Microsoft pada bulan Februari mengumumkan model Magma AI-nya, dengan fokus pada bridging software otomatisasi dengan robotika. Magma mengintegrasikan data visi, bahasa, dan tindakan untuk mengotomatisasi alur kerja di lingkungan industri dan perusahaan, meningkatkan kemampuan beradaptasi dan mengurangi kompleksitas operasional.
use Contoh kasus untuk magma ai (sumber: microsoft)
Sementara itu, meta telah berfokus pada penyediaan teknologi AI dasar. Pada awal Februari perusahaan memperkenalkan model Meta Motivo AI, yang dirancang untuk meningkatkan presisi dan gerakan seperti robotika. Pendekatan Meta mendukung produsen pihak ketiga dalam membangun sistem robot canggih.
tangkapan layar Dari meta motivo interaktif demo
simulasi mendorong pengembangan AI lebih cepat
Simulasi telah menjadi komponen utama dari pengembangan AI, menyediakan lingkungan berisiko rendah untuk memperbaiki perilaku robot. Emulator Genesis memungkinkan para peneliti untuk membuat skenario yang realistis dari permintaan teks dasar, mempercepat adaptasi model AI seperti robotika gemini sebelum penyebaran dunia nyata.
Dengan menghilangkan proses-proses pembangunan, p9 p> yang diselingi, juga mengurangi biaya pembangunan. Ini memungkinkan sistem AI untuk mengoptimalkan tindakan mereka melalui simulasi berulang, memastikan peningkatan perilaku dalam kondisi dunia nyata yang tidak terduga. Untuk robotika Gemini, teknik ini memastikan kemampuan beradaptasi dan presisi di berbagai tugas dan lingkungan.
Selain pendekatan pelatihan, kemampuan pemrosesan real-time juga menjadi faktor penentu robotika canggih. Sistem Helix Gambar AI mencontohkan ini dengan memanfaatkan GPU tertanam untuk pengambilan keputusan lokal, mengurangi latensi dan memungkinkan responsif segera. Ini sangat penting dalam industri seperti logistik, di mana kemampuan beradaptasi yang cepat sangat penting untuk efisiensi operasional.
Robotika Gemini DeepMind yang digunakan di sisi lain yang diwujudkan penalaran untuk memungkinkan pengambilan keputusan yang sadar konteks. Hal ini memungkinkan robot untuk menyesuaikan perilaku mereka berdasarkan data lingkungan real-time, mengurangi kebutuhan akan instruksi yang kaku dan telah ditentukan sebelumnya.
Kemampuan beradaptasi tersebut sangat penting untuk penyebaran di lingkungan yang dinamis di mana fleksibilitas merupakan keunggulan kompetitif.
Pertimbangan etis dan tantangan pengembangan
yang disimpan, kawan-kawan, kawan-kawan, kawan-kawan, tantangan pengembangan,
Sementara model seperti helix dan robotika gemini dapat meningkatkan kemampuan beradaptasi umum, tugas yang melibatkan dilema etika atau menggunakan objek yang rapuh atau tidak teratur terus menguji penilaian robot, presisi, dan akurasi. DeepMind menekankan robotika Geminic. Prinsip , dengan fokus meminimalkan perilaku yang tidak diinginkan dan memastikan bahwa robot dapat berinteraksi dengan aman dengan lingkungan manusia.