గూగుల్ డీప్‌మైండ్ తన జెమిని రోబోటిక్స్ కుటుంబంలో రెండు కొత్త ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) మోడళ్లను ప్రవేశపెట్టింది, ఇది సాధారణ-ప్రయోజన రోబోట్ల సామర్థ్యాలను పెంచే లక్ష్యంతో. జెమిని రోబోటిక్స్-ఇఆర్ 1.5 మరియు జెమిని రోబోటిక్స్ 1.5 అని పిలువబడే నమూనాలు వాస్తవ ప్రపంచ పరిసరాలలో తార్కికం, దృష్టి మరియు చర్యలను మెరుగుపరచడానికి కలిసి పనిచేయడానికి రూపొందించబడ్డాయి.
ప్రణాళిక మరియు అమలు కోసం రెండు-మోడల్ వ్యవస్థ
డీప్‌మైండ్ నుండి వచ్చిన బ్లాగ్ పోస్ట్ ప్రకారం, జెమిని రోబోటిక్స్-ఎర్ 1.5 ప్లానర్ లేదా ఆర్కెస్ట్రాటర్‌గా పనిచేస్తుంది, అయితే జెమిని రోబోటిక్స్ 1.5 సహజ భాషా సూచనల ఆధారంగా పనులను అమలు చేయడానికి బాధ్యత వహిస్తుంది. రెండు-మోడల్ వ్యవస్థ మునుపటి AI మోడళ్లలో కనిపించే పరిమితులను పరిష్కరించడానికి ఉద్దేశించబడింది, ఇక్కడ ఒకే వ్యవస్థ ప్రణాళిక మరియు ప్రదర్శించిన చర్యలు, తరచుగా లోపాలు లేదా అమలులో ఆలస్యం అవుతుంది.
జెమిని రోబోటిక్స్-ఎర్ 1.5: ప్లానర్
ER 1.5 మోడల్ అధునాతన తార్కికం మరియు సాధన ఇంటిగ్రేషన్ సామర్థ్యం గల విజన్-లాంగ్వేజ్ మోడల్ (VLM) గా పనిచేస్తుంది. ఇది ఇచ్చిన పని కోసం బహుళ-దశల ప్రణాళికలను సృష్టించగలదు మరియు ప్రాదేశిక అవగాహన బెంచ్‌మార్క్‌లపై బలంగా ప్రదర్శిస్తుందని నివేదించబడింది. భౌతిక వాతావరణంలో నిర్ణయం తీసుకోవటానికి సమాచారాన్ని సేకరించడానికి మోడల్ గూగుల్ సెర్చ్ వంటి బాహ్య సాధనాలను కూడా యాక్సెస్ చేయవచ్చు.
జెమిని రోబోటిక్స్ 1.5: టాస్క్ ఎగ్జిక్యూషన్
ఒక ప్రణాళికను రూపొందించిన తర్వాత, విజన్-లాంగ్వేజ్-యాక్షన్ (VLA) మోడల్ అయిన జెమిని రోబోటిక్స్ 1.5, సూచనలు మరియు దృశ్య ఇన్పుట్ను మోటారు ఆదేశాలలోకి అనువదిస్తుంది, రోబోట్ పనిని నిర్వహించడానికి వీలు కల్పిస్తుంది. మోడల్ ఒక చర్యను పూర్తి చేయడానికి అత్యంత సమర్థవంతమైన మార్గాన్ని అంచనా వేస్తుంది మరియు దానిని అమలు చేస్తుంది, అదే సమయంలో సహజ భాషలో దాని నిర్ణయం తీసుకునే వివరణలను కూడా అందిస్తుంది.
సంక్లిష్టమైన బహుళ-దశల పనులను నిర్వహించడం
అతుకులు లేని ప్రక్రియలో సంక్లిష్టమైన, బహుళ-దశల ఆదేశాలను నిర్వహించడానికి రోబోట్లను అనుమతించడానికి ఈ వ్యవస్థ రూపొందించబడింది. ఉదాహరణకు, రోబోట్ ఆన్‌లైన్‌లో స్థానిక రీసైక్లింగ్ మార్గదర్శకాలను సంప్రదించిన తరువాత, వస్తువులను విశ్లేషించడం, సార్టింగ్ ప్రక్రియను ప్లాన్ చేయడం, ఆపై చర్యలను అమలు చేసిన తర్వాత కంపోస్ట్, రీసైక్లింగ్ మరియు చెత్త డబ్బాలలో అంశాలను క్రమబద్ధీకరించవచ్చు.
డీప్ మైండ్ AI నమూనాలు వాటి ప్రాదేశిక అవగాహన మరియు సౌకర్యవంతమైన డిజైన్ కారణంగా వివిధ ఆకారాలు మరియు పరిమాణాల రోబోట్లకు అనుగుణంగా ఉంటాయి. ప్రస్తుతం, ఆర్కెస్ట్రాటర్ మోడల్, జెమిని రోబోటిక్స్-ఎర్ 1.5, గూగుల్ AI స్టూడియోలోని జెమిని API ద్వారా డెవలపర్‌లకు అందుబాటులో ఉంటుంది, అయితే VLA మోడల్ ఎంపిక చేసిన భాగస్వాములకు పరిమితం చేయబడింది.
ఈ అభివృద్ధి ఉత్పాదక AI ని రోబోటిక్స్లో అనుసంధానించడంలో ఒక దశను సూచిస్తుంది, సాంప్రదాయ ఇంటర్‌ఫేస్‌లను సహజ భాషతో నడిచే నియంత్రణతో భర్తీ చేస్తుంది, అదే సమయంలో లోపాలను తగ్గించడానికి అమలు నుండి ప్రణాళికను వేరు చేయడానికి ప్రయత్నిస్తుంది.
