Google DeepMind-მა რობოტებისთვის ახალი მოდელი Gemini Robotics 2.5 წარადგინა. ის რობოტს მოძრაობებს უფრო ზუსტად, საიმედოდ და უსაფრთხოდ ასრულებინებს.
Google DeepMind-ის მონაცემებით, წინა ვერსიასთან შედარებით წარმატების მაჩვენებელი დავალების ტიპის მიხედვით 30–100%-ით გაიზარდა. დავალებებს მოდელი 20–30%-ით უფრო სწრაფადაც ასრულებს.
სარჩევი
Gemini Robotics 2.5 Gemini-ის რობოტიკის ხაზის უახლესი ვერსიაა და Gemini Robotics 2-ს ცვლის. კომპანიის თქმით, პროგრესის დიდი ნაწილი Gemini 4 Argon-ის დამსახურებაა. Argon რობოტის სიმულაციაში ვარჯიშს აჩქარებს. ახალი მოდელი ჯერ მხოლოდ Google DeepMind-ის რობოტიკის პარტნიორებისთვისაა ხელმისაწვდომი.
როგორ მუშაობს Gemini Robotics 2.5?
Gemini Robotics 2.5 ხედვის, ენისა და მოქმედების მოდელია (vision-language-action, VLA). ის კამერის გამოსახულებასა და ტექსტურ დავალებას იღებს და რობოტის მოძრაობის ბრძანებებად გარდაქმნის. კომპანიის თქმით, ახალი ვერსიით რობოტს მეტი უნარის სწავლა შეუძლია და ამ უნარებს უფრო სწრაფად იძენს. მიზანი ისაა, რომ რობოტმა ლაბორატორიის გარეთაც, ჩვეულებრივ, მოუწესრიგებელ გარემოში იმუშაოს.
რეალურ სამუშაოში მას ხშირად Gemini Robotics ER ეხმარება. ეს მსჯელობის მოდელია, რომელიც სამუშაოს ნაბიჯებს გეგმავს და მათ შესრულებას თვალს ადევნებს. Gemini Robotics 2.5 კი რობოტის ხელებსა და მკლავებს მართავს. წინა ვერსიების მსგავსად, მოდელი სხვადასხვა ტიპის რობოტზე მუშაობს. მათ შორისაა Apptronik-ის ჰუმანოიდი Apollo 2, რომელსაც SharpaWave-ის ხუთთითიანი ხელი აქვს. ეს ხელი 22 მიმართულებით მოძრაობს. მოდელი Franka Duo-ს პლატფორმაზეც მუშაობს, რომელსაც ორთითიანი დამჭერები აქვს.
რას აჩვენებს ტესტები?
Google DeepMind-მა Gemini Robotics 2.5 200-ზე მეტ სხვადასხვა დავალებაზე გამოსცადა. მათ შორის იყო საკვების მაშით მიწოდება, საჩუქრის ყუთზე ბანტის შეკვრა და სითხის პიპეტით გადატანა. ასეთ საქმეებში რობოტს ერთდროულად რამდენიმე უნარი სჭირდება: ხელსაწყოს გამოყენება, რბილ საგანთან მუშაობა და ზუსტი, ფრთხილი მოძრაობა. კომპანია ამას ადამიანის ხელის ოსტატობისკენ გადადგმულ ნაბიჯად მიიჩნევს. ეს არ ნიშნავს, რომ რობოტმა ადამიანის დონეს მიაღწია.
შედეგებს კომპანია Gemini Robotics 2-ს ადარებს. ახალი მოდელის წარმატების მაჩვენებელი დავალების ტიპის მიხედვით 30–100%-ით მაღალია. დავალებებს ის 20–30%-ით უფრო სწრაფად ასრულებს. Google DeepMind-ის თქმით, გაუმჯობესდა სიზუსტე და სტაბილურობაც.
ოფიციალურ გრაფიკებზე დავალებები ოთხ ჯგუფადაა დაყოფილი: საგნის აღება და გადადება, მრავალნაბიჯიანი დავალებები, ნაწილების ზუსტი დალაგება და ჩასმა, ხელსაწყოებითა და რბილი საგნებით მუშაობა. ზოგ დავალებაზე სხვაობა ძალიან დიდია. ლაიმის აღება და ზედა თაროზე დადება Apollo 2-მა ცდების 100%-ში შეძლო, წინა მოდელმა კი ვერცერთში. სათავსოდან დისკის ამოღების შედეგიც 0%-დან 100%-მდე გაიზარდა. ხელსაწყოების ყუთის თავსახურის დახურვა 0%-დან 93%-მდე გაუმჯობესდა.
ნათურის ამოხრახნა 63%-დან 90%-მდე გაიზარდა, ცომეულის მაშით კოლოფში ჩაწყობა კი 5%-დან 100%-მდე. საჩუქრის ბანტის გახსნა 0%-დან 70%-მდე გაუმჯობესდა. კარდიგანის საკიდზე ჩამოკიდება 0%-დან 62%-მდე გაიზარდა, შარვლის დაკეცვა კი 0%-დან 40%-მდე. ეს ციფრები Google DeepMind-ის საკუთარი გაზომვებია.
სად გამოსცადეს რეალურ ქარხანაში?
კომპანიის თქმით, რობოტიკის მოდელის მთავარი გამოცდა ის არის, რამდენად საიმედოდ მუშაობს ის ნამდვილ სამუშაო ადგილზე. ამიტომ Gemini Robotics 2.5 Apptronik-ისა და Mercedes-Benz-ის საცდელ პროექტში გამოსცადეს. Apollo 2 ჰუმანოიდები მოქმედ საწარმოო ხაზებზე მუშაობდნენ. ერთი ხაზი უნგრეთის ქალაქ კეჩკემეტშია, მეორე კი გერმანიის ზინდელფინგენში.
რობოტი ნაწილებს აკომპლექტებდა (kitting). ეს ერთფეროვანი და ფიზიკურად დამღლელი სამუშაოა. რობოტს ყუთებიდან ლითონის სამაგრები უნდა ამოეღო და უჯრებში იმ რიგით ჩაეწყო, რომელიც კონკრეტულ მანქანას სჭირდება. თუ რამე აკლდა, ამას თავად ასწორებდა. ნაბიჯებს Gemini Robotics ER ადევნებდა თვალს, ხელებსა და მკლავებს კი Gemini Robotics 2.5 მართავდა. Google DeepMind-ის მონაცემებით, ამ ტესტში წარმატების მაჩვენებელი 96% იყო.
ეს ჯერ საცდელი პროექტია და არა სრული დანერგვა. კომპანიის თქმით, ასეთი რუტინული სამუშაოს რობოტისთვის გადაცემა ტექნიკოსებს უფრო რთული აწყობისთვის დროს გაუთავისუფლებს. Apptronik-ის თანადამფუძნებლისა და გენერალური დირექტორის, ჯეფ კარდენასის თქმით, რამდენიმე კვირის დამატებითი სწავლების შემდეგ მოდელები საგრძნობლად გაუმჯობესდა. Mercedes-Benz-ის ქარხანაში გადატანისას კი მათი შედეგი თითქმის არ გაუარესებულა.
რა იცვლება უსაფრთხოებაში?
როცა რობოტი ყოველდღიურ გარემოში მუშაობს, ფიზიკური უსაფრთხოება განსაკუთრებით მნიშვნელოვანია. Gemini Robotics 2.5 მოქმედების დროს დამატებით „ფიქრობს“, რომ საშიშ საგნებს თავი აარიდოს. კომპანიის მონაცემებით, ამან დაბრკოლებებთან უსაფრთხო მუშაობა 33%-ით გააუმჯობესა, ადამიანებთან ახლოს მუშაობა კი 43%-ით.
გრძელ, მრავალნაბიჯიან დავალებებში უსაფრთხოებას Gemini 4 Argon-იც ამოწმებს. Google DeepMind-ის თქმით, რობოტიკის უსაფრთხოების ტესტებში Argon-მა საუკეთესო შედეგი აჩვენა. ეს ტესტები ამოწმებს, რამდენად სწორად ამბობს რობოტი უარს საშიშ დავალებაზე, როგორ იქცევა გაურკვეველ სიტუაციაში და როგორ მუშაობს ადამიანებთან ახლოს.
კომპანია აქვეყნებს ახალ ღია ტესტს, ASIMOV-Jailbreak-ს. ის ამოწმებს, შეიძლება თუ არა რობოტის მოტყუება საშიში დავალების შესასრულებლად (ასეთ მცდელობას ჯეილბრეიკს უწოდებენ). ტესტში ასობით მოთხოვნაა, რომლებშიც საშიში დავალებები ათეულობით სხვადასხვა სცენარშია შენიღბული. Google DeepMind-ის მონაცემებით, Argon-მა ასეთი მოთხოვნების 99,5% აირიდა. წინა მოდელმა, Gemini Robotics ER 2-მა, 82% აჩვენა.
რა როლი აქვს Gemini 4 Argon-ს?
რობოტისთვის ახალი უნარის სწავლებას ბევრი რეალური მონაცემი სჭირდება. Google DeepMind-ის თქმით, ამ პრობლემის მოგვარებაში Gemini 4 Argon ეხმარება. ის სიმულაციის ძრავად მუშაობს და ამით Gemini Robotics 2.5-ის შექმნა დააჩქარა. Argon-ს კამერით გადაღებული ერთი სცენიდან ათასობით სავარჯიშო ვარიანტის შექმნა შეუძლია. ის ამ სცენის ციფრულ ასლსაც აწყობს. რეალურ ჩვენებებთან ერთად ეს რობოტს ახალ გარემოსა და საგნებს უფრო სწრაფად აჩვევს.
Argon-ს ვიდეოდან იმის გარკვევაც შეუძლია, რატომ ვერ შესრულდა დავალება. შემდეგ ის საუკეთესო გამოსავალს ჯერ სიმულაციაში ამოწმებს, მერე კი რეალურ რობოტზე. ამ შესაძლებლობებს Google-ის დეველოპერების ბლოგი უფრო დაწვრილებით აღწერს.
რატომ არის Gemini Robotics 2.5 მნიშვნელოვანი
რობოტები ქარხნებში დიდი ხანია მუშაობენ, მაგრამ ჩვეულებრივ ერთსა და იმავე, წინასწარ დაპროგრამებულ მოძრაობას იმეორებენ. Gemini Robotics 2.5 სხვა მიდგომას აჩვენებს: ერთი მოდელი სხვადასხვა რობოტს ასობით განსხვავებულ საქმეს ასწავლის, ბანტის შეკვრიდან ქარხნის ნაწილების დალაგებამდე. Mercedes-Benz-ის ქარხნებში ჩატარებული ტესტი აჩვენებს, რომ ასეთი რობოტები ლაბორატორიის გარეთაც შეიძლება გამოდგეს.
მოდელი ჯერ მხოლოდ Google DeepMind-ის პარტნიორებისთვისაა ხელმისაწვდომი. საჯარო წვდომაზე ან დეველოპერულ API-ზე კომპანია არაფერს ამბობს. ყველა ციფრი Google DeepMind-ის საკუთარი გაზომვაა და დამოუკიდებელ შემოწმებას საჭიროებს.
წყაროები
სხვა თემები
NVIDIA-მ GR00T 2 წარადგინა: რობოტი ჯერ წარმოიდგენს, მერე მოქმედებს
Gemini Omni 1.2 Flash: ახალი მოდელი Google-სგან
Google Cloud-ის შემოსავალი გაორმაგდა, Azure 48%-ით გაიზარდა: AI ღრუბლების ზრდა და მისი ფასი