A Google DeepMind Gemini Robotics 2.5 modellje 96 százalékos sikerrel rendezett alkatrészeket a Mercedesnél
A Google DeepMind bemutatta a Gemini Robotics 2.5-öt, egy látás–nyelv–cselekvés (VLA) modellt, amely a kameraképet és a szóbeli utasításokat robotmozgássá alakítja. A rendszer az idei elődjére épül, amely először adott teljes testkontrollt a robotoknak. A cég szerint a modellt több mint 200 feladaton próbálták ki, többek között fogóval történő ételkiszolgáláson és folyadékpipettázáson: a saját korábbi alapvonalakhoz képest a sikerarány feladattípustól függően 30–100 százalékkal nőtt, a végrehajtás pedig 20–30 százalékkal gyorsabb lett. A vezérlés több platformra készült, köztük az Apptronik ötujjú, 22 szabadságfokú kezű Apollo 2 humanoidjára és a Franka Duo kétujjú párhuzamos markolójára.
Az Apptronikkal és a Mercedes-Benzszel együtt Kecskeméten és a németországi Sindelfingenben, élő gyártósoron tesztelték a rendszert. Az Apollo 2 kittinget végzett: tömeges tartályokból rendezte a fémalkatrészeket, és a járműszereléshez szükséges sorrendben tette tálcákra. Két modell dolgozott együtt: a Gemini Robotics ER a munkafolyamatot figyelte, a 2.5 a kezeket és karokat irányította. A pilóta 96 százalékos sikerarányt mutatott. Jeff Cardenas, az Apptronik vezérigazgatója szerint a modellek néhány hét utótréning után jelentősen javultak, és minimális teljesítményveszteséggel álltak át a Mercedes gyártására.
A 2.5 valós idejű vezérléssel kerüli a fizikai veszélyeket: a saját mérések szerint az akadályok közelében 33, emberek közelében 43 százalékkal nőtt a biztonságos feladatvégzés. A DeepMind a Hugging Face-en közzétette az ASIMOV-Jailbreak nyílt benchmarkot, amely százszámra rejtett, veszélyes kéréseket tartalmaz; a Gemini 4 Argon 99,5 százalékos jailbreak-ellenállást ért el a Gemini Robotics ER 2 82 százalékával szemben. Az Argon szimulációs motorként ezer számú virtuális futást és digitális ikert generál valós kamerajelenetből, hibahipotéziseket von le videóból, és a 2.5-öt az Agile, az Apptronik és a Mercedes-Benz partnereinek vezetik be.
Folytasd az appban — szavazz és szólj hozzá ➔