A Google DeepMind, egy mesterséges intelligencia vállalat, integrálta a legfejlettebb nagynyelvű modelljének, a Gemini-nek egy változatát robotokba. Ez a modell lehetővé teszi a gépek számára, hogy különböző feladatokat végezzenek el - például egy kis kosárlabdát 'slam dunk' stílusban bedobjanak egy asztali kosárba - anélkül, hogy valaha is látták volna egy másik robotot végrehajtani ezt a műveletet - közölte a cég. A vállalat része egy szélesebb mozgalomnak, amely az AI fejlődését akarja kiaknázni, amely a chatbotokat hajtja, hogy általános célú robotokat fejlesszen. Ez a megközelítés azonban biztonsági aggályokat vet fel, mivel e modellek potenciálisan pontatlan és káros kimeneteket generálhatnak. A cél egy olyan gép tervezése, amely könnyen kezelhető és képes különféle fizikai feladatok végrehajtására emberi felügyelet vagy előzetes programozás nélkül.

A Gemini robotikai modelljeihez való csatlakozással a fejlesztők javíthatják robotjaikat, lehetővé téve számukra, hogy “természetes nyelvet értsenek és a fizikai világot sokkal részletesebben felfogják” - magyarázza Carolina Parada, a Google DeepMind boulderi robotikai csapatának vezetője. A Gemini Robotics néven említett modellt, amelyet március 12-én blogbejegyzésben és műszaki dolgozatban mutattak be, “a vízió megvalósítása felé tett kis, de kézzelfogható lépésnek” írja le Alexander Khazatsky, egy AI kutató és a CollectedAI társalapítója, aki az AI-vezérelt robotok számára adatbázisok létrehozására összpontosít Berkeleyn, Kaliforniában. **Térbeli Tudatosság** A londoni székhelyű Google DeepMind csapata a Gemini 2. 0-val indult, a cég legfejlettebb látási és nyelvi modelljével, amelyet hatalmas mennyiségű adat elemzésével képeztek ki a mintázatok felismerésére. Kifejlesztettek egy a modellet, amely a 3D-s fizikai és térbeli megértést igénylő érvelési feladatokhoz lett testre szabva - például tárgyak pályájának előrejelzése vagy azonos tárgy részeinek felismerése különböző szögekből készült képeken. Ezt követően, a modellt több ezer órányi valós, távirányítású robotdemonstráció adatainak felhasználásával tovább képezték. Ez lehetővé tette, hogy a robotikai ‘agy’ valós cselekvéseket végezzen, párhuzamosan azzal, ahogyan a nagynyelvű modellek is generálják a következő szavakat a tanult asszociációk alapján. A csapat humanoid robotokon és robotkarokon értékelte a Gemini Robotics-t, vizsgálva mind a betanított feladatokat, mind az új tevékenységeket. Megállapításaik szerint a modellt használó robotok következetesen felülmúlták a vezető versenytársakat, mind a megváltozott részletekkel rendelkező ismerős feladatok, mind pedig az teljesen új kihívások tesztjei során. **Origami Hajtogathatás**