Google Deepmind ha destrozado los límites convencionales en Robótica AI con la presentación de Gemini Robotics, un conjunto de modelos basados en la base formidable de Gemini 2.0. Esta no es solo una actualización incremental; Es un cambio de paradigma, que impulsa la IA del reino digital al mundo tangible con capacidades sin precedentes de “razonamiento incorporado”.
Robótica de Géminis: unir la brecha entre la inteligencia digital y la acción física
En el corazón de esta innovación se encuentra Gemini Robotics, un modelo avanzado de acción-idioma de la visión (VLA) que trasciende las limitaciones tradicionales de IA. Al introducir acciones físicas como una modalidad de salida directa, Gemini Robotics faculta a los robots para ejecutar de forma autónoma tareas con un nivel de comprensión y adaptabilidad previamente inalcanzable. Complementando esto es Gemini Robotics-ER (razonamiento incorporado), un modelo especializado diseñado para refinar la comprensión espacial, lo que permite a los robotistas integrar sin problemas la destreza cognitiva de Gemini en las arquitecturas robóticas existentes.
Estas modelos anuncian una nueva era de robótica, prometiendo desbloquear un espectro diverso de aplicaciones del mundo real. Las asociaciones estratégicas de Google Deepmind con líderes de la industria como Apptronik, para la integración de Gemini 2.0 en robots humanoides, y colaboraciones con probadores confiables, subrayan el potencial transformador de esta tecnología.
Avances tecnológicos clave:
- Generalidad incomparable: Gemini Robotics aprovecha el sólido modelo mundial de Gemini para generalizar en escenarios novedosos, logrando un rendimiento superior en rigurosos puntos de referencia de generalización en comparación con los modelos VLA de última generación.
- Interactividad intuitiva: Construido en la comprensión del lenguaje de Gemini 2.0, el modelo facilita la interacción fluida humana-robot a través de comandos del lenguaje natural, adaptando dinámicamente los cambios ambientales y la entrada del usuario.
- Deporta avanzada: El modelo demuestra una destreza notable, ejecutando tareas de manipulación compleja como plegamiento de origami y manejo intrincado de objetos, mostrando un salto significativo en el control de motor fino robótico.
- Realización versátil: La adaptabilidad de Gemini Robotics se extiende a varias plataformas robóticas, desde sistemas bi-brazos como Aloha 2 y Franka Arms hasta robots humanoides avanzados como Apollo de Apptronik.
Géminis Robotics-Er: inteligencia espacial pionera
Gemini Robotics-ER eleva el razonamiento espacial, un componente crítico para una operación robótica efectiva. Al mejorar las capacidades como la señalización, la detección de objetos 3D y la comprensión espacial, este modelo permite a los robots realizar tareas con mayor precisión y eficiencia.
Géminis 2.0: habilitando el control del robot cero y de pocos disparos
Una característica definitoria de Gemini 2.0 es su capacidad para facilitar el control de robot cero y pocos disparos. Esto elimina la necesidad de una extensa capacitación en datos de acción de robots, lo que permite a los robots realizar tareas complejas “fuera de la caja”. Al unir la percepción, la estimación de estado, el razonamiento espacial, la planificación y el control dentro de un solo modelo, Gemini 2.0 supera los enfoques de múltiples múltiples anteriores.
- Control de disparo cero a través de la generación de código: Gemini Robotics-ER aprovecha sus capacidades de generación de códigos y razonamiento incorporado para controlar los robots utilizando comandos API, reaccionando y reemplazando según sea necesario. La comprensión realizada mejorada del modelo da como resultado una mejora de casi 2x en la finalización de la tarea en comparación con Gemini 2.0.
- Control de pocos disparos a través del aprendizaje en contexto (ICL): Al acondicionar el modelo en un pequeño número de demostraciones, Gemini Robotics-ER puede adaptarse rápidamente a nuevos comportamientos.
A continuación se muestra las API de percepción y control, y la orquestación de agentes durante un episodio. Este sistema se utiliza para el control de cero disparos:
Compromiso con la seguridad
Google Deepmind prioriza la seguridad a través de un enfoque de múltiples capas, abordando las preocupaciones desde el control motor de bajo nivel hasta la comprensión semántica de alto nivel. La integración de Gemini Robotics-ER con controladores críticos de seguridad existentes y el desarrollo de mecanismos para evitar acciones inseguras subrayan este compromiso.
El lanzamiento del conjunto de datos Asimov y el marco para generar “constituciones de robots” basadas en datos demuestra aún más la dedicación de Google Deepmind para avanzar en la investigación de seguridad robótica.
Los robots inteligentes se están acercando …
Verificar el Informe completo de robótica de Géminis y Robótica de Géminis. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, siéntete libre de seguirnos Gorjeo Y no olvides unirte a nuestro Subreddit de 80k+ ml.
Jean-Marc es un exitoso ejecutivo de negocios de IA. Dirige y acelera el crecimiento de las soluciones de IA y comenzó una compañía de visión por computadora en 2006. Es un orador reconocido en AI Conferences y tiene un MBA de Stanford.