Google DeepMind запускає автономну ШІ-модель для роботів

Компанія Google DeepMind презентувала оптимізовану версію ШІ-моделі Gemini Robotics, яка може працювати безпосередньо на роботі без інтернет-з’єднання. 

Це візуально-мовно-дієва модель (VLA), подібна до представленої в березні Gemini Robotics. Флагманська версія призначена для виконання широкого спектра фізичних завдань навіть без попереднього навчання на конкретних сценаріях. Модель здатна адаптуватися до нових умов, розуміти команди та виконувати дії, що вимагають тонкої моторики.

Керівниця напряму робототехніки в Google DeepMind Кароліна Парада пояснила в коментарі для The Verge, що оригінальна модель має гібридну архітектуру — вона працює як у хмарі, так і локально. Нова ж версія повністю автономна й пропонує офлайн-функціональність, яка майже не поступається основній моделі.

«Гібридна версія Gemini Robotics усе ще потужніша, але ми щиро здивовані, наскільки сильна ця локальна модель. Я б вважала це стартовою моделлю або моделлю для застосунків з обмеженим доступом до мережі», — зазначає посадовиця. 

За словами Паради, автономна модель може виконувати низку завдань без додаткової підготовки та адаптуватися до нових ситуацій після 50–100 демонстрацій. Хоча навчання проводилося винятково на роботі ALOHA, модель вдалося переналаштувати на інші типи, зокрема людиноподібного робота Apollo від Apptronik та дворукого Franka FR3.

В Google також представили SDK для автономної версії Gemini Robotics з можливістю використовувати промпти природною мовою і тестувати систему у фізичному симуляторі MuJoCo. Це перший випадок, коли розробники отримують інструменти для тестування й тонкого налаштування моделі VLA від DeepMind. 

До завершення внутрішніх безпекових заходів модель і SDK будуть доступні обмеженому колу перевірених партнерів.

Нагадаємо, у травні Amazon презентувала нового робота Vulcan з тактильними сенсорами.