Ang Google DeepMind, isang kumpanya ng artipisyal na intelihensiya, ay nag-integrate ng isang bersyon ng kanyang pinakabagong malaking modelo ng wika (LLM), na tinatawag na Gemini, sa mga robot. Ang modelong ito ay nagbibigay-daan sa mga makina na maisagawa ang iba't ibang mga gawain—tulad ng 'slam dunking' ng isang maliit na basketball sa isang hoop sa desktop—nang hindi kailanman nakamasid sa ibang robot na isinasagawa ang aksyon, ayon sa kumpanya. Ang kumpanya ay bahagi ng mas malawak na kilusan upang samantalahin ang mga pag-unlad ng AI na nagpapagana sa mga chatbot upang makabuo ng mga pangkalahatang layunin na robot. Gayunpaman, ang pamamaraang ito ay nagdadala ng mga alalahanin sa kaligtasan dahil sa potensyal ng mga modelong ito na makabuo ng hindi tama at mapanganib na mga output. Ang layunin ay magdisenyo ng mga makina na madaling patakbuhin at may kakayahang magsagawa ng iba't ibang pisikal na gawain nang hindi nangangailangan ng pangangasiwa ng tao o preprogramming.

Sa pamamagitan ng pagkonekta sa mga robotic na modelo ng Gemini, maaring pahusayin ng mga developer ang kanilang mga robot, na nagbibigay-daan sa kanila na maunawaan ang "likas na wika at maunawaan ang pisikal na mundo nang mas detalyado, " paliwanag ni Carolina Parada, na namamahala sa Google DeepMind robotics team na nakabase sa Boulder, Colorado. Ang modelong tinatawag na Gemini Robotics, na inilabas noong Marso 12 sa pamamagitan ng isang blog post at teknikal na papel, ay inilarawan bilang “isang maliit ngunit totoong hakbang” tungo sa pagtupad sa pangitain na ito, ayon kay Alexander Khazatsky, isang researcher sa AI at co-founder ng CollectedAI sa Berkeley, California, na nakatuon sa paglikha ng datasets para sa mga robot na pinapagana ng AI. **Pangalawang Kamalayan sa Espasyo** Nakabase sa London, isang koponan sa Google DeepMind ay nagsimula gamit ang Gemini 2. 0, ang pinaka-sopistikadong modelo ng pananaw at wika ng kumpanya, na sinanay sa pamamagitan ng pagsusuri ng malalaking dami ng datos para sa pagkilala sa pattern. Nag-develop sila ng isang espesyal na bersyon ng modelo na angkop para sa mga gawain ng pangangatwiran na nangangailangan ng 3D pisikal at spatial na pag-unawa—tulad ng pagprediksiyon ng trajectory ng mga bagay o pagkilala sa parehong bahagi ng isang bagay sa mga imahe na nakuhang mula sa iba't ibang anggulo. Pagkatapos, lalo nilang sinanay ang modelo gamit ang datos mula sa libu-libong oras ng totoong, malayuang pinapatakbong pagpapakita ng robot. Ito ay nagbigay-daan sa robotic na 'utak' na magsagawa ng aktwal na mga aksyon, katulad ng kung paano bumubuo ng susunod na mga salita ang mga LLM batay sa mga natutunang asosasyon. Sinuri ng koponan ang Gemini Robotics sa mga humanoid na robot at robotic arms, tinasa ang parehong sinanay na mga gawain at mga bagong aktibidad. Ayon sa kanilang mga natuklasan, ang mga robot na gumagamit ng modelo ay patuloy na lumabas nang mas mahusay kaysa sa mga nangungunang katunggali sa mga pagsusulit na kinasasangkutan ang parehong pamilyar na mga gawain na may binagong detalye at ganap na bagong mga hamon. **Pagt折 Origami**