Google DeepMind ได้เปิดเผยถึงการอัปเดตแพลตฟอร์ม Gemini Robotics ซึ่งเป็น AI สำหรับหุ่นยนต์ ในเวอร์ชัน 2.5 โดยระบุว่า AI นี้มีความสามารถใกล้เคียงกับมนุษย์ในการทำงานในโลกแห่งความเป็นจริง
หุ่นยนต์ Gemini บางตัวได้ปฏิบัติงานจริงในโรงงานของ Mercedes-Benz ขณะที่ทีมงานกำลังเตรียมพร้อมสำหรับการทำงานร่วมกับมนุษย์ โดยมีมาตรฐานความปลอดภัยแบบเปิดคือ ASIMOV-jailbreak
แพลตฟอร์ม AI ทางกายภาพของ DeepMind มีหลายชั้นการคำนวณระหว่างคำสั่งผู้ใช้และการกระทำของหุ่นยนต์ โดยมี Gemini Embodied Reasoning เป็นส่วนที่รับคำสั่งและใช้ภาพวิดีโอสดในการวางแผนภารกิจ ส่วนอีกส่วนคือ Vision-Language-Action (VLA) ที่สร้างการกระทำของหุ่นยนต์ ซึ่งตอนนี้คือ Gemini Robotics เวอร์ชัน 2.5
DeepMind ระบุว่า Gemini Robotics 2.5 มีความสามารถสูงขึ้นมากในงานที่ต้องใช้ความชำนาญสูง โดยได้รับการทดสอบในกว่า 200 กิจกรรม รวมถึงการเสิร์ฟอาหารด้วยคีม หรือการใช้ปิเปต นอกจากนี้ยังแสดงให้เห็นว่าหุ่นยนต์ Apollo 2 ของ Apptronik ที่ใช้ Gemini Robotics 2.5 สามารถผูกโบว์ได้ ซึ่งเป็นเรื่องยากสำหรับหุ่นยนต์ในการจัดการวัตถุที่ยืดหยุ่นอย่างริบบิ้น
ศัพท์ที่ควรรู้
- Gemini Embodied Reasoning – ส่วนของโมเดลที่รับคำสั่งและใช้ภาพวิดีโอสดเพื่อวางแผนการทำงานของหุ่นยนต์
- Vision-Language-Action (VLA) – ส่วนประกอบหลักที่แปลงคำสั่งเป็นชุดการกระทำทางกายภาพของหุ่นยนต์
- Dexterity – ความชำนาญในการทำงานที่ต้องใช้ความละเอียดอ่อนของหุ่นยนต์
ที่มา: Ars Technica