Google DeepMind, spoločnosť zaoberajúca sa umelou inteligenciou, integrovala verziu svojho najpokročilejšieho veľkého jazykového modelu (LLM) s názvom Gemini do robotov. Tento model umožňuje strojom vykonávať rôzne úlohy — ako napríklad „slam dunk“ malej basketbalovej lopty cez stôl — bez toho, aby niekedy videli iný robot vykonať danú činnosť, uvádza firma. Spoločnosť je súčasťou širšieho hnutia, ktoré sa snaží využiť pokroky v oblasti AI, poháňajúce chatboty, na vývoj všeobecných robotov. Táto prax však vyvoláva obavy týkajúce sa bezpečnosti kvôli možnosti, že takéto modely môžu generovať nepresné a škodlivé výstupy. Cieľom je navrhnúť stroje, ktoré sú jednoduché na obsluhu a schopné vykonávať rôzne fyzické úlohy bez potreby ľudskej kontroly alebo predprogramovania. Prepojením s robotickými modelmi Gemini môžu vývojári vylepšiť svoje roboty, čím im umožnia rozumieť „prírodnému jazyku a chápať fyzický svet v oveľa väčších detailoch, “ vysvetľuje Carolina Parada, vedúca tímu robotiky Google DeepMind so sídlom v Boulder, Colorado. Model nazývaný Gemini Robotics, ktorý bol predstavený 12.

marca prostredníctvom príspevku na blogu a technickej práce, je podľa Alexandera Khazatského, výskumníka v oblasti AI a spoluzakladateľa CollectedAI v Berkeley, Kalifornia, “malým, ale hmatateľným krokom” k naplneniu tejto vízie, pričom sa zameriava na vytváranie dátových súborov pre roboty riadené umelou inteligenciou. **Prostoročná uvedomelosť** Tím v londýnskom Google DeepMind začal s modelom Gemini 2. 0, najsofistikovanejším modelom vizuálneho a jazykového spracovania firmy, ktorý bol natrénovaný analýzou obrovského množstva dát na rozpoznávanie vzorov. Vyvinuli špecializovanú verziu modelu prispôsobenú úlohám vyžadujúcim 3D fyzické a priestorové porozumenie — ako je predpovedanie trajektórie objektov alebo rozpoznávanie tej istej časti objektu na obrázkoch zachytených z rôznych uhlov. Následne model ďalej trénovali pomocou dát z tisícov hodín reálnych, diaľkovo ovládaných prezentácií robotov. To umožnilo robotickému “mozgu” vykonávať skutočné akcie, podobne ako LLM generujú ďalšie slová na základe naučených asociácií. Tím hodnotil Gemini Robotics na humanoidných robotoch a robotických ramenách, pričom posudzovali ako trénované úlohy, tak aj nové aktivity. Podľa ich zistení roboti využívajúci tento model neustále prekonávali popredných konkurentov v testoch, ktoré zahŕňali známe úlohy s pozmenenými detailmi aj úplne nové výzvy. **Zloženie origami**