**Introduktion af Gemini Robotics: Avancerede modeller til robotik** Hos Google DeepMind har vi gjort betydelige fremskridt med vores Gemini-modellers evne til at tackle komplekse problemer gennem multimodal ræsonnering, der omfatter tekst, billeder, lyd og video. For at være virkelig gavnlig i den fysiske verden skal AI imidlertid udvise "inkarneret" ræsonnering, som gør det muligt at opfatte og interagere effektivt med sit miljø. I dag præsenterer vi to innovative AI-modeller baseret på Gemini 2. 0, som vil bane vejen for en ny æra af hjælpsomme robotapplikationer. 1. **Gemini Robotics**: Dette er en topmoderne vision-sprog-handling (VLA) model, der integrerer fysiske handlinger, hvilket muliggør direkte kontrol af robotter. 2. **Gemini Robotics-ER**: Denne model forbedrer rumlig forståelse og giver robotikere mulighed for at implementere deres programmer ved at udnytte Geminis inkarnerede ræsonneringsevner. Sammen gør disse modeller det muligt for et bredere udvalg af robotter at udføre forskellige opgaver i den virkelige verden. Vi samarbejder med Apptronik for at udvikle næste generation af humanoide robotter drevet af Gemini 2. 0 og arbejder også med udvalgte betroede testere for at forfine Gemini Robotics-ER. **Nøglefunktioner ved Gemini Robotics** - **Generel anvendelighed**: Gemini Robotics udnytter Geminis verdensviden til at tilpasse sig og håndtere uforudsete opgaver og miljøer effektivt. Det præsterer mere end dobbelt så effektivt på generaliseringsbenchmarks sammenlignet med andre førende modeller. - **Interaktivitet**: Modellen kan interagere problemfrit i dynamiske indstillinger, forstå naturlige sprogkommander på forskellige sprog og hurtigt tilpasse sine handlinger baseret på realtidsændringer i miljøet. - **Færdigheder**: I modsætning til tidligere modeller håndterer Gemini Robotics komplekse opgaver, der kræver fine motoriske færdigheder—som origami eller pakning af snacks—og viser betydelige fremskridt inden for fysisk manipulation. - **Flere inkarnationer**: Designet til alsidighed, er Gemini Robotics primært trænet på ALOHA 2 bi-arm platformen, men er i stand til at kontrollere andre platforme, herunder dem der anvendes i akademiske laboratorier og humanoide robotter som Apollo fra Apptronik. **Forbedringer med Gemini Robotics-ER** Sammen med Gemini Robotics introducerer vi Gemini Robotics-ER, der fokuserer på avanceret rumlig ræsonnering.

Denne model forfiner Geminis evner såsom 3D-detektion og greb, hvilket gør det muligt at udføre opgaver som sikkert at løfte en kaffekop ved at bruge et passende greb. Gemini Robotics-ER kan udføre kritiske funktioner såsom opfattelse og planlægning med en succesrate på 2x-3x over Gemini 2. 0. Den bruger kontekstbaseret læring fra menneskelige demonstrationer til at forbedre sine problemløsningsevner. **Sikkerhed i AI og robotik** Vi tager en omfattende tilgang til at sikre sikkerhed og adressere bekymringer inden for robotik, fra motorstyring til forståelse af komplekse handlinger. Vores robotsystemer inkorporerer traditionelle sikkerhedsforanstaltninger sammen med avanceret forståelse for at vurdere sikkerheden ved potentielle handlinger. For at fremme forskning i sikkerhed inden for robotik frigiver vi et nyt datasæt, der sigter mod at evaluere semantisk sikkerhed i inkarneret AI. Baseret på koncepter som en Robotforfatning inspireret af Asimovs love, har vi udviklet et rammeværk til at skabe datadrevne regler for at vejlede robotadfærd. Desuden engagerer vi os med vores Responsible Development and Innovation team og Responsable Safety Council for at sikre etiske og sikre AI-applikationer. Vi samarbejder med brancheledere som Agile Robots, Boston Dynamics og Enchanted Tools, mens vi forfiner vores teknologi. Mens vi fortsætter med at udvikle disse next-generation robotter, er vi ivrige efter at afdække og forbedre vores modellers evner til at skabe indflydelsesrige robotløsninger.