Google DeepMind, et kunstig intelligensfirma, har integreret en version af sin mest avancerede store sprogmodel (LLM), kaldet Gemini, i robotter. Denne model gør det muligt for maskiner at udføre forskellige opgaver—som at "slam dunk" en lille basketball gennem en bordkurv—uden nogensinde at have observeret en anden robot udføre handlingen, ifølge firmaet. Virksomheden er en del af en bredere bevægelse for at udnytte AI-fremskridt, der driver chatbots, til at udvikle general-purpose robotter. Denne tilgang rejser dog bekymringer om sikkerhed på grund af potentialet for, at sådanne modeller kan generere unøjagtige og skadelige resultater. Målet er at designe maskiner, der er nemme at betjene og i stand til at udføre en række fysiske opgaver uden behov for menneskelig overvågning eller forprogrammering. Ved at koble sig på Geminis robotmodeller kan udviklere forbedre deres robotter, så de kan forstå "naturligt sprog og opfatte den fysiske verden i meget større detalje, " forklarer Carolina Parada, der leder Google DeepMinds robotteam baseret i Boulder, Colorado. Modellen, der omtales som Gemini Robotics, som blev præsenteret den 12.

marts gennem et blogindlæg og et teknisk papir, beskrives som "et lille men håndgribeligt skridt" mod at realisere denne vision, ifølge Alexander Khazatsky, en AI-forsker og medstifter af CollectedAI i Berkeley, Californien, der fokuserer på at skabe datasæt til AI-drevne robotter. **Rumlig Bevidsthed** Et team i London hos Google DeepMind begyndte med Gemini 2. 0, virksomhedens mest sofistikerede syns- og sprogmodel, som blev trænet ved at analysere enorme mængder data for mønstergenkendelse. De udviklede en specialiseret version af modellen skræddersyet til ræsonneringsopgaver, der kræver 3D-fysisk og rumlig forståelse—som at forudsige banen for objekter eller genkende den samme del af et objekt i billeder taget fra forskellige vinkler. Derefter trænede de modellen yderligere ved hjælp af data fra tusindvis af timer med reelle, fjernbetjente robotdemonstrationer. Dette gjorde det muligt for den robotiske 'hjerne' at udføre faktiske handlinger, parallelt med hvordan LLM'er genererer efterfølgende ord baseret på lærte associationer. Teamet vurderede Gemini Robotics på humanoide robotter og robotarme og vurderede både trænede opgaver og nyskabende aktiviteter. Ifølge deres fund præsterede robotter, der brugte modellen, konsekvent bedre end førende konkurrenter i tests, der involverede både kendte opgaver med ændrede detaljer og helt nye udfordringer. **Folding Origami**