Google DeepMind запускає дві нові моделі штучного інтелекту, які допоможуть роботам «виконувати ширший спектр реальних завдань, ніж будь-коли раніше». Перша, під назвою Gemini Robotics, — це модель «зір-мова-дія», здатна розуміти нові ситуації, навіть якщо вона не була на них навчена.
Google DeepMind запускає дві нові моделі штучного інтелекту, які допоможуть роботам «виконувати ширший спектр реальних завдань, ніж будь-коли раніше». Перша, під назвою Gemini Robotics, — це модель «зір-мова-дія», здатна розуміти нові ситуації, навіть якщо вона не була на них навчена.
Gemini Robotics побудована на Gemini 2.0, пише The Verge. Ця модель досягла прогресу в трьох ключових сферах, які, на думку Google DeepMind, є важливими для створення корисних роботів: узагальненість, інтерактивність та спритність.
Окрім здатності узагальнювати нові сценарії, Gemini Robotics краще взаємодіє з людьми та навколишнім середовищем. Вона також здатна виконувати більш точні фізичні завдання, такі як складання аркуша паперу або зняття кришки з пляшки.
«Це дає нам змогу створювати роботів, які є більш дієздатними, більш чуйними та стійкішими до змін у навколишньому середовищі», — каже Кароліна Парада, старший директор і керівник відділу робототехніки в Google DeepMind.
За словами Google DeepMind, Gemini Robotics-ER — це вдосконалена візуальна мовна модель, здатна «зрозуміти наш складний і динамічний світ».
Як пояснює Парада, коли пакуєте ланч-бокс, а перед вами на столі лежать продукти, вам потрібно знати, де що лежить, а також як відкрити ланч-бокс, як взяти продукти й куди їх покласти. Саме такі міркування має виконувати Gemini Robotics-ER.
Ця модель розроблена для робототехніків для підключення до наявних низькорівневих контролерів — системи, яка керує рухами робота — що дозволяє їм використовувати нові можливості, які надає Gemini Robotics-ER.
