في وقت سابق من هذا العام، كشفت الشركة عن التكرار الأول لـ Gemini Robotics، وهو نموذج للذكاء الاصطناعي يعتمد على نموذج Gemini للغة الكبيرة (LLM) – ولكنه متخصص في الروبوتات. سمح هذا للآلات بالتفكير وأداء مهام بسيطة في المساحات المادية.
المثال الأساسي الذي يشير إليه Google هو اختبار الموز. كان نموذج الذكاء الاصطناعي الأصلي قادرًا على تلقي تعليمات بسيطة مثل “place this banana in the basket,” وتوجيه الذراع الآلية لإكمال هذا الأمر.
مدعومًا بالنموذجين الجديدين، يستطيع الروبوت الآن أخذ مجموعة مختارة من الفاكهة وفرزها في حاويات فردية بناءً على اللون. في أحد العروض، قام زوج من الأذرع الآلية (روبوت Aloha 2 الخاص بالشركة) بفرز الموز والتفاحة والليمون بدقة على ثلاث أطباق من اللون المناسب. علاوة على ذلك، يشرح الروبوت باللغة الطبيعية ما يفعله ولماذا أثناء قيامه بالمهمة.
“We enable it to think,” قال”inline-link” href=”https://www.jie-tan.net/” الهدف=”_blank”>جي تان، أحد كبار الباحثين في DeepMind، في الفيديو. “It can perceive the environment, think step-by-step and then finish this multistep task. Although this example seems very simple, the idea behind it is really powerful. The same model is going to power more sophisticated humanoid robots to do more complicated daily tasks.”
روبوتات الغد التي تعمل بالذكاء الاصطناعي
على الرغم من أن العرض التوضيحي قد يبدو بسيطًا على السطح، إلا أنه يوضح عددًا من القدرات المتطورة. يمكن للروبوت تحديد موقع الفاكهة والأطباق مكانيًا، وتحديد الفاكهة ولون جميع الكائنات، ومطابقة الفاكهة بالأطباق وفقًا للخصائص المشتركة، وتوفير مخرجات لغة طبيعية تصف منطقها.
كل هذا ممكن بسبب الطريقة التي تتفاعل بها أحدث التكرارات لنماذج الذكاء الاصطناعي. إنهم يعملون معًا بنفس الطريقة التي يعمل بها المشرف والعامل.
جوجل الروبوتات-ER 1.5 ( “brain”) هو نموذج لغة الرؤية (VLM) الذي يجمع معلومات حول الفضاء والكائنات الموجودة فيه، ويعالج أوامر اللغة الطبيعية ويمكنه الاستفادة من الاستدلال والأدوات المتقدمة لإرسال التعليمات إلى Google Robotics 1.5 (الإصدار 1.5 من Google Robotics). “hands and eyes”)، نموذج الرؤية واللغة والعمل (VLA). يقوم Google Robotics 1.5 بمطابقة هذه التعليمات مع فهمه البصري للمساحة ويبني خطة قبل تنفيذها، ويقدم تعليقات حول عملياته ومنطقه طوال الوقت.
يتمتع الطرازان بقدرة أكبر من الإصدارات السابقة ويمكنهما استخدام أدوات مثل بحث Google لإكمال المهام.
أظهر الفريق هذه القدرة من خلال مطالبة الباحثة ألوها باستخدام قواعد إعادة التدوير بناءً على موقعها لفرز بعض الأشياء إلى سماد، وإعادة التدوير، وصناديق القمامة. أدرك الروبوت أن المستخدم موجود في سان فرانسيسكو ووجد قواعد إعادة التدوير على الإنترنت لمساعدته في فرز النفايات بدقة في الأوعية المناسبة.
هناك تقدم آخر يتمثل في النماذج الجديدة وهو القدرة على التعلم (وتطبيق هذا التعلم) عبر أنظمة روبوتية متعددة. وقال ممثلو DeepMind في”inline-link” href=”https://deepmind.google/models/gemini-robotics/gemini-robotics/#:~:text=innaturallanguage.-,Multipleembodiments,-Adaptstoa” الهدف=”_blank”>إفادة أن أي تعلم تم الحصول عليه عبر روبوت Aloha 2 (زوج من أذرع الروبوتات)، وروبوت Apollo الذي يشبه الإنسان، وروبوت Franka ثنائي الذراع، يمكن تطبيقه على أي نظام آخر نظرًا للطريقة المعممة التي تتعلم بها النماذج وتتطور.
“General-purpose robots need a deep understanding of the physical world, advanced reasoning, and general and dexterous control,” قال فريق Gemini Robotics في أ”inline-link” href=”https://storage.googleapis.com/deepmind-media/gemini-robotics/Gemini-Robotics-1-5-Tech-Report.pdf” الهدف=”_blank”>تقرير فني على الموديلات الجديدة. ويعني هذا النوع من الاستدلال المعمم أن النماذج يمكنها التعامل مع المشكلة من خلال فهم واسع للمساحات المادية والتفاعلات وحل المشكلة وفقًا لذلك، وتقسيم المهام إلى خطوات فردية صغيرة يمكن تنفيذها بسهولة. وهذا يتناقض مع الأساليب السابقة، التي اعتمدت على المعرفة المتخصصة التي تنطبق فقط على مواقف محددة وضيقة للغاية والروبوتات الفردية.
قدم العلماء مثالاً إضافيًا لكيفية مساعدة الروبوتات في سيناريو العالم الحقيقي. لقد قدموا لروبوت أبولو سلتين وطلبوا منه فرز الملابس حسب اللون، بحيث يوضع اللون الأبيض في صندوق واحد والألوان الأخرى في الصندوق الآخر. ثم أضافوا عقبة إضافية مع تقدم المهمة من خلال تحريك الملابس والصناديق، مما أجبر الروبوت على إعادة تقييم المساحة المادية والرد وفقًا لذلك، وهو ما نجح في إدارته.