גוגל דיפמיינד חושפת את Gemini Robotics 2: שליטה בגוף מלא, תיאום רובוטים ובנצ'מרק בטיחות תוצרת בית

כמעט שנה עברה מאז גרסה 1.5, נצח במונחים של התחום, וגוגל דיפמיינד משחררת את Gemini Robotics 2. הקפיצה המרכזית לא נמצאת באיזה מדד סינתטי, אלא באנטומיה: מודל ה-VLA (Vision-Language-Action) הבסיסי שולט לראשונה בגוף מלא של יומנואיד, מהרגליים ועד קצות האצבעות. הידיים מגיעות עם 22 דרגות חופש, אבל בואו נדייק: זה עדיין לא רובוט מנתח. שיעור ההצלחה במשימות מרובות-אצבעות נע סביב 30 עד 40 אחוז. זה רחוק משלמות, אבל ביחס למה שהיה זמין עד עכשיו, זה צעד קדימה שמחזיק מים.

המוח שמעל הידיים

מעל ה-VLA יושב Gemini Robotics ER 2, מודל נפרד שהוא בעצם VLM קלאסי. אם ה-VLA מוציא פקודות מוטוריות נמוכות, ה-ER עושה את העבודה השחורה של הריזונינג: פירוק משימה לתת-משימות, זיהוי אובייקטים וקואורדינטות, והחידוש הגדול, תיאום של כמה רובוטים הטרוגניים למשימה אחת. בנוסף, ה-ER יכול להתערב בפעולות של ה-VLA בכל שלב, יכולת קריטית ל-self-correction כשדברים משתבשים באמצע הרצה.

בקטן, על המכשיר

בגזרת הפריסה המקומית מגיעה Gemini Robotics On-Device 2, גרסה מוקטנת של ה-VLA לאינפרנס על הקצה. היתרון המעשי שלה הוא מהירות ההתאמה: בגלל שהמשפחה כולה אומנה על דאטה מולטי-אמבודימנט הטרוגני, אפשר לקחת את המודל הזה, להריץ עליו כ-200 הדגמות במשך כמה שעות, ולקבל ביצועים סבירים על גוף חדש לגמרי, עם סנסורים, קינמטיקה ו-DoF קאסטום. בלי פיינ-טיונינג כבד, בלי חודשי אינטגרציה. זה החלק שהופך את ההבטחה של "רובוטיקה כללית" למשהו שאפשר להרים בפיילוט מחר בבוקר.

בטיחות, גרסת אסימוב

ולקינוח, גוגל השיקה את ASIMOV-Agentic, הבנצ'מרק הראשון מסוגו להערכת בטיחות סוכנים רובוטיים. באופן טבעי למדי, המודל שלהם הוכרז כ"הבטוח בעולם" לפי המבחן שהם עצמם כתבו. הקריצה ברורה, והקהילה כבר תדאג לפרק את המתודולוגיה לגורמים, אבל עצם קיומו של סט מדדים מוסכם, גם אם בינתיים הוא חד-צדדי, הוא התקדמות הכרחית לתחום שעדיין מתנהל קצת כמו המערב הפרוע.