موفقیت ۹۶ درصدی مدل Gemini Robotics 2.5 گوگل در خط تولید مرسدس بنز

گوگل DeepMind با معرفی مدل جدید Gemini Robotics 2.5، گام بزرگی در زمینه کنترل رباتیک برداشته است. این مدل که به عنوان یک سیستم «بینایی-زبان-عمل» (VLA) شناخته می‌شود، می‌تواند اطلاعات بصری را تحلیل کرده، دستورات زبانی را درک کند و آن‌ها را به حرکات دقیق رباتیک تبدیل نماید. آزمایش‌های اخیر نشان داده‌اند که این مدل نسبت به نسل‌های قبلی خود، در وظایف مختلف ۳۰ تا ۱۰۰ درصد عملکرد بهتری دارد. یکی از مهم‌ترین تست‌های این مدل در محیط واقعی، روی خطوط تولید فعال شرکت مرسدس بنز در مجارستان و آلمان انجام شد. ربات انسان‌نمای Apollo 2 که توسط شرکت Apptronik ساخته شده، با استفاده از این هوش مصنوعی توانست قطعات فلزی را از مخازن مختلف جدا کرده و برای مونتاژ خودروها در جای مناسب قرار دهد. نرخ موفقیت ۹۶ درصدی در این تست، دستاوردی قابل‌توجه محسوب می‌شود. گوگل DeepMind همچنین برای آموزش این مدل از زبان‌مدل Gemini 4 Argon به عنوان یک موتور شبیه‌سازی استفاده کرده است. این رویکرد به ربات‌ها اجازه می‌دهد تا با استفاده از دوقلوهای دیجیتال (Digital Twins)، سریع‌تر با محیط‌های جدید سازگار شوند. علاوه بر این، گوگل با انتشار استاندارد متن‌باز ASIMOV-Jailbreak، به دنبال سنجش امنیت ربات‌ها در برابر دستورات مخرب است تا اطمینان حاصل کند که این سیستم‌ها در مواجهه با چالش‌های غیرمنتظره، ایمن باقی می‌مانند.