فهرست مطالب
شرکت گوگل دیپمایند با معرفی مدل هوش مصنوعی Gemini Robotics ER 2، توانایی رباتهای انساننما را در درک محیط، برنامهریزی، تصمیمگیری و همکاری همزمان افزایش داد.
به گزارش سرویس هوش مصنوعی تکناک، این شرکت سال گذشته خانواده Gemini Robotics را با هدف انتقال قابلیتهای استدلال چندوجهی به دنیای واقعی معرفی کرد. در این خانواده، مدل Vision-Language-Action (VLA) وظیفه کنترل مستقیم حرکات ربات را بر عهده دارد. در مقابل، Gemini Robotics ER نقش مغز متفکر را ایفا میکند. این مدل محیط اطراف را تحلیل میکند، برای انجام وظایف برنامه میریزد و اقدام بعدی ربات را تعیین میکند.
گوگل از زمان معرفی نخستین نسخه این فناوری در مارس ۲۰۲۵، چندین بهروزرسانی برای آن منتشر کرده است. نسخه ER 1.5 در سپتامبر سال گذشته عملکردی در سطح پیشرفتهترین مدلها ثبت کرد. نسخه ER 1.6 نیز در آوریل امسال با افزایش دقت درک محیط عرضه شد. اکنون نسخه ER 2 قابلیتهای بیشتری را در اختیار رباتها قرار میدهد.
بیشتر بخوانید: اپترونیک از ربات انساننمای Apollo 2 رونمایی کرد + ویدیو
تصمیمگیری بدون توقف ربات
مدل هوش مصنوعی Gemini Robotics ER 2 میتواند با انسانها تعامل کند. این مدل محیطهای فیزیکی را درک مینماید، وظایف چندمرحلهای را برنامهریزی میکند، سپس اجرای هر مرحله را به یک مدل سازگار VLA یا رابط برنامهنویسی رباتیک واگذار مینماید.
مهمترین تغییر این نسخه به نحوه تصمیمگیری مربوط میشود. مدلهای استدلالی متداول پیش از هر اقدام پردازش را آغاز میکنند و سپس حرکت بعدی را انجام میدهند. Gemini Robotics ER 2 مسیر متفاوتی را دنبال میکند. این مدل هنگام حرکت ربات نیز مرحله بعدی را برنامهریزی میکند. در نتیجه اجرای وظایف با وقفه کمتری انجام میشود.
همچنین گوگل این مدل را با Gemini Live API دوطرفه یکپارچه کرده است. این قابلیت ارتباط میان مدل و ربات را روانتر میکند و تعداد توقفهای پردازشی را کاهش میدهد.
یکی دیگر از قابلیتهای جدید، درک پیوسته ویدیو است. این مدل روند اجرای هر وظیفه را به صورت لحظهای بررسی میکند. سپس میزان پیشرفت را میسنجد. اگر خطایی رخ دهد، همان مرحله را دوباره اجرا میکند. این روش از تکرار کل فرایند جلوگیری میکند و سرعت انجام مأموریت را افزایش میدهد.
بیشتر بخوانید: گوگل از Gemini Robotics برای توسعه رباتهای همهمنظوره رونمایی کرد
همکاری چند ربات با هوش مصنوعی Gemini Robotics ER 2
شرکت گوگل اعلام کرد که Gemini Robotics ER 2 از همکاری همزمان چند ربات نیز پشتیبانی میکند. هر ربات تواناییهای متفاوتی دارد. این مدل امکان تبادل اطلاعات و واگذاری وظایف میان رباتها را فراهم میکند. در نتیجه هر ربات میتواند بخش مناسب مأموریت را بر عهده بگیرد.
گوگل این قابلیت را با ربات انساننمای Apollo 2 ساخت شرکت Apptronik و پلتفرم رباتیک Franka F3 Duo به نمایش گذاشت. این نمایش نشان داد چند ربات میتوانند روی یک مأموریت مشترک کار کنند و وظایف را میان خود تقسیم کنند.
این شرکت نتایج ارزیابی این مدل را نیز منتشر کرده است. مدل Gemini Robotics ER 2 در آزمون تشخیص میزان پیشرفت وظایف به دقت ۵۷٫۴ درصدی رسید. این مدل در شناسایی زمان دقیق وقوع رویدادهای مهم نیز دقت ۹۱٫۳ درصدی ثبت کرد. میانگین خطای زمانی آن ۰٫۹۶ ثانیه اعلام شده است.
گوگل اعلام کرد که Gemini Robotics ER 2 هماکنون از طریق Gemini API و Google AI Studio در دسترس توسعهدهندگان قرار دارد. همچنین این شرکت دسترسی به نسخه پیشنمایش خصوصی این مدل را از طریق Gemini Enterprise Agent Platform برای مشتریان سازمانی فراهم کرده است.
