A DeepMind bemutatta a Gemini Robotics 2.5-öt és az ASIMOV-jailbreak nyílt biztonsági benchmarkot
A Google DeepMind bemutatta a Gemini Robotics 2.5-öt, a Gemini-alapú fizikai AI-platform új generációját. A rendszer két fő rétegből áll: a Gemini Embodied Reasoning élő videóval tervezi meg a feladatot a felhasználói utasításból, a Gemini Robotics 2.5 vision-language-action modell pedig a tényleges mozgásokat, például aktuátorparancsokat generálja. A cég szerint a modell a laborban 30–100 százalékkal magasabb sikerarányt ért el, mint az előző verzió, és 20–30 százalékkal gyorsabb; egyes feladatoknál akár kétszeres a javulás. Több mint 200 tevékenységet vizsgáltak, köztük ételszervírozást fogóval és laboratóriumi pipettahasználatot. Az Apptronik Apollo 2 humanoidja ötujjas kézzel masnit kötött, ami a deformálható anyagok miatt kiemelkedő ügyességi próba. Az Apptronikkal és a Mercedes-Benzzel közösen európai gyárakban autóalkatrészeket készítettek elő, 96 százalékos sikeraránnyal; Kanishka Rao szerint az utolsó 4 százalék „meredek út”, mert egy ember ezt a ismétlődő munkát szinte mindig eltalálja. Carolina Parada, a DeepMind Robotics vezetője a specializáció és az általánosíthatóság közötti kompromisszumot hangsúlyozta. A fizikai tanítóadat szűkös; a Gemini 4 Argon szimulációs motorja valós kamerafelvételekből több ezer digitális ikerváltozatot hozott létre, ezt hagyományos teleoperációs demonstrációkkal kombinálták. A 2.5-ös VLA felhőben fut, késleltetéssel jár, a bemutatóvideót 2-szeresére gyorsították. A modell következtetési időben kerüli a veszélyeket, akadály esetén megáll. A csapat nyílt forráskódú biztonsági benchmarkot, az ASIMOV-jailbreaket is közzétette.
Folytasd az appban — szavazz és szólj hozzá ➔