DeepMind از Gemini Robotics 2.5 و معیار ایمنی باز "ASIMOV-jailbreak" رونمایی کرد.

Google DeepMind نسل جدیدی از پلتفرم Gemini Robotics مجهز به هوش مصنوعی را معرفی کرده است. در نسخه 2.5، گوگل می گوید که هوش مصنوعی رباتیک آن به طرز وسوسه انگیزی به انجام وظایف دنیای واقعی و همچنین انسان ها نزدیک شده است. در واقع، برخی از ربات‌های جمینی توانستند کار واقعی را در کارخانه‌های مرسدس بنز انجام دهند و تیم در حال آماده شدن برای روزی است که روبات‌ها در کنار انسان‌ها با معیار ایمنی منبع باز کار کنند.

پلتفرم هوش مصنوعی فیزیکی DeepMind دارای چندین لایه محاسباتی بین ورودی کاربر و عملکرد روباتیک است. قطعه مدل زبان بینایی وجود دارد که جمینی تجسم یافته است. اساسا، دستورالعمل‌های شما را می‌گیرد و از ویدیوی زنده برای برنامه‌ریزی چگونگی انجام این کار توسط ربات استفاده می‌کند. مؤلفه اصلی دیگر، زبان بینایی-عملی (VLA) است که در واقع اقدامات ربات را ایجاد می کند، مانند حرکت دادن یک محرک - این Gemini Robotics است که به نسخه 2.5 رسیده است.

DeepMind می گوید که Gemini Robotics 2.5 در کارهایی که نیاز به مهارت بالایی دارند، بسیار بهتر است. این مدل در بیش از 200 فعالیت مورد ارزیابی قرار گرفت، از جمله سرو غذا با انبر و استفاده از پیپت، همانطور که در آزمایشگاه می بینید. گوگل همچنین نشان داد که ربات انسان نمای آپترونیک آپولو 2 با Gemini Robotics 2.5 اکنون می تواند با دستان پنج انگشت خود کمان ببندد، این یک شاهکار قابل توجه است، زیرا دستکاری اشیاء تغییر شکل پذیر (مانند روبان) برای روبات ها بسیار دشوار است.

مقاله کامل را بخوانید

نظرات