معرفی Gemini Robotics 2.5؛ جهش بزرگ گوگل در هوش رباتیک با دقت ۹۶ درصدی

شرکت گوگل دیپ‌مایند (Google DeepMind) از جدیدترین مدل هوش مصنوعی خود با نام Gemini Robotics 2.5 رونمایی کرد که با هدف بهبود تعامل ربات‌ها با دنیای واقعی و افزایش مهارت‌های حرکتی آن‌ها طراحی شده است. این مدل پیشرفته که به عنوان یک مدل «بینایی-زبان-عمل» (VLA) شناخته می‌شود، نه تنها دامنه توانایی‌های رباتیک را گسترش می‌دهد، بلکه سرعت یادگیری و اجرای وظایف توسط ربات‌ها را نیز به شکل قابل توجهی افزایش داده است. به گفته گوگل، این فناوری به ربات‌ها اجازه می‌دهد از محیط‌های کنترل‌شده آزمایشگاهی خارج شده و در محیط‌های غیرقابل‌پیش‌بینی واقعی، همکاری بهتری با انسان‌ها داشته باشند.

نتایج آزمایش‌های انجام‌شده نشان می‌دهد که Gemini Robotics 2.5 نسبت به نسخه‌های قبلی، در زمینه‌های مختلف از جمله دقت انجام کار، پایداری و سرعت، عملکردی بین ۳۰ تا ۱۰۰ درصد بهبود یافته دارد. علاوه بر این، ربات‌هایی که از این مدل بهره می‌برند، وظایف خود را ۲۰ تا ۳۰ درصد سریع‌تر به پایان می‌رسانند. این مدل با انواع پلتفرم‌های رباتیک از جمله ربات انسان‌نمای Apollo 2 شرکت Apptronik و سیستم‌های Franka Duo با گیره‌های دو انگشتی سازگار است.

یکی از مهم‌ترین بخش‌های این رونمایی، آزمایش عملی Gemini Robotics 2.5 در خطوط تولید واقعی شرکت مرسدس بنز در مجارستان و آلمان است. در این پروژه، ربات Apollo 2 وظیفه دسته‌بندی و بسته‌بندی قطعات خودرو را بر عهده گرفت و موفق شد به نرخ موفقیت چشمگیر ۹۶ درصد دست یابد. این دستاورد نشان می‌دهد که ربات‌ها می‌توانند کارهای تکراری و خسته‌کننده را با دقت بالا انجام دهند و به تکنسین‌ها اجازه دهند روی وظایف پیچیده‌تر تمرکز کنند.

گوگل علاوه بر توانمندی‌های حرکتی، توجه ویژه‌ای به مقوله ایمنی داشته است. Gemini Robotics 2.5 با استفاده از «راهنمایی استنتاجی در زمان واقعی»، قادر است موانع فیزیکی را در محیط شناسایی کرده و از آن‌ها عبور کند. بر اساس گزارش‌ها، این قابلیت باعث افزایش ۳۳ درصدی در انجام ایمن وظایف در اطراف موانع و بهبود ۴۳ درصدی ایمنی در محیط‌های دارای حضور انسان شده است. همچنین، گوگل یک بنچمارک جدید متن‌باز به نام ASIMOV-Jailbreak معرفی کرده است تا مقاومت مدل‌های رباتیک در برابر دستورات مخرب را تست کند، که در آن مدل جدید به نرخ مقاومت ۹۹.۵ درصدی دست یافته است.

شتاب‌دهنده اصلی در توسعه این مدل، Gemini 4 Argon بوده است. گوگل از این فناوری به عنوان یک موتور شبیه‌سازی استفاده کرده تا هزاران سناریوی مختلف را برای آموزش ربات‌ها ایجاد کند. با ایجاد دوقلوهای دیجیتال از محیط‌های واقعی، ربات‌ها سریع‌تر با شرایط جدید سازگار می‌شوند. این پیشرفت‌ها گام مهمی در مسیر تحقق هوش مصنوعی عمومی فیزیکی (Physical AGI) محسوب می‌شود که به ربات‌ها اجازه می‌دهد در دنیای واقعی و در کنار انسان‌ها به صورت موثر کار کنند.