انقلاب گوگل در مغز ربات‌ها؛ معرفی مدل‌های قدرتمند Gemini Robotics 1.5 و نسخه ER XNET | اخبار و تحلیل هوش مصنوعی

دنیای رباتیک امروز شاهد یک جهش بزرگ از آزمایشگاه‌های لندن به دنیای واقعی بود.گوگل دیپ‌مایند (Google DeepMind)دقایقی پیش از جدیدترین دستاورد خود در حوزه هوش مصنوعی فیزیکی رونمایی کرد: مدل‌هایGemini Robotics 1.5وGemini Robotics-ER 1.5. این مدل‌ها که به عنوان “مغز جدید ربات‌ها” شناخته می‌شوند، قرار است فاصله بین دستورات زبانی انسان و عملکرد مکانیکی ربات‌ها را به حداقل برسانند.

درک عمیق، نه فقط اجرای کورکورانه

طبق گزارش‌های رسمی، مدل‌های جدید بر پایه معماری قدرتمند Gemini بنا شده‌اند اما برای درک فضا، فیزیک و توالی زمانی بهینه شده‌اند.کارولینا پارادامدیر بخش رباتیک دیپ‌مایند، در توضیحی که مرزهای تکنولوژی را جابه‌جا می‌کند، می‌گوید: «این مدل‌ها به ربات‌ها اجازه می‌دهند چند قدم جلوتر را در ذهن خود شبیه‌سازی کنند.»

این یعنی پایان عصر ربات‌هایی که صرفاً یک کد دستوری را اجرا می‌کردند. حالا با یک عامل هوشمند (Agent) طرف هستیم که می‌تواند برای حل مسئله ازگوگل سرچکمک بگیرد.

“استفاده از قابلیت Grounding (اتصال به داده‌های واقعی) از طریق جستجوی گوگل، برگ برنده این مدل است. تصور کنید به ربات می‌گویید «زباله‌ها را تفکیک کن». ربات با مدل Gemini Robotics-ER ۱.۵ ابتدا قوانین بازیافت محله شما را در اینترنت چک می‌کند، سپس بطری پلاستیکی را در سطل آبی و کاغذ را در سطل سبز می‌اندازد. این سطحی از هوشمندی است که تا دیروز قفل بود.”

تقسیم وظایف: مغز متفکر و بازوی اجرایی

1. Gemini Robotics-ER ۱.۵ (مغز متفکر)این مدل وظیفه درک محیط (Environment Reasoning) را دارد. او می‌بیند، تحلیل می‌کند و اگر لازم باشد سرچ می‌کند. مثلاً برای بستن چمدان سفر به لندن، ابتدا آب‌وهوای لندن را چک می‌کند و می‌فهمد که “باید بارانی بردارد”. سپس این تصمیم را به دستورات فنی تبدیل می‌کند.

2. Gemini Robotics ۱.۵ (بازوی اجرایی)این مدلدستورات سطح بالا را به حرکات دقیق موتورها و بازوهای ربات تبدیل کرده و اجرا می‌کند.

یک مغز برای همه بدن‌ها (Cross-Embodiment)

یکی از جذاب‌ترین بخش‌های این خبر که دراخبار هوش مصنوعی امروزکمتر به آن پرداخته شده، قابلیت انتقال مهارت است. دیپ‌مایند ادعا می‌کند مهارتی که روی یک ربات آزمایشگاهی مثلALOHA2یاد گرفته شده، بدون نیاز به آموزش مجدد، روی ربات‌های صنعتی مثلFrankaیا حتی ربات‌های پیچیده انسان‌نما مثلApolloقابل اجراست. این ویژگی که در اصطلاح فنی Cross-Embodiment نامیده می‌شود، می‌تواند سرعت رشد صنعت رباتیک را تا ۱۰ برابر افزایش دهد.

دسترسی و آینده

در حال حاضر، مدلGemini Robotics-ER 1.5از طریق API جمینای در اختیار توسعه‌دهندگان منتخب قرار گرفته است، اما مدل اصلی اجرایی (Robotics ۱.۵) همچنان در انحصار شرکای تجاری و تحقیقاتی گوگل باقی مانده است.

در حالی که گوگل با جمینای به دنبال تسخیر دنیای فیزیکی و ربات‌هاست، رقابت در دنیای کدهای نرم‌افزاری نیز به اوج رسیده است. اگر می‌خواهید بدانید رقیب اصلی گوگل چگونه معادلات را تغییر داده، پیشنهاد می‌کنیم گزارش اختصاصی XNET دربارهزلزله آنتروپیک در دنیای کدنویسی: رونمایی از Claude Sonnet ۴.۵ با قدرت بی‌رقیب در ساخت ایجنت‌هارا از دست ندهید؛ جایی که ایجنت‌های نرم‌افزاری قدرتی فراتر از تصور پیدا کرده‌اند.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.