Veröffentlichung von Gemini Robotics 2.5
Google DeepMind hat Gemini Robotics 2.5 enthüllt, ein Update seiner Physical-AI-Plattform. Die Plattform besteht aus zwei Hauptkomponenten: Gemini Embodied Reasoning, das Anweisungen und Live-Video nutzt, um eine Aufgabe zu planen, und Gemini Robotics, ein Vision-Language-Action (VLA)-Modell, das Aktionen wie das Bewegen eines Aktuators generiert.
DeepMind gibt an, dass Gemini Robotics 2.5 bei Aufgaben, die Geschicklichkeit erfordern, besser abschneidet. Es wurde bei mehr als 200 Aktivitäten bewertet, darunter das Servieren von Speisen mit Essstäbchen und die Verwendung einer Pipette. Apptroniks humanoide Apollo-2-Roboter, die das Modell ausführen, können mit ihren fünffingerigen Händen eine Schleife binden, eine schwierige Aufgabe, da Roboter Schwierigkeiten haben, verformbare Objekte wie Bänder zu manipulieren.
In Labortests hatte Gemini Robotics 2.5 eine Erfolgsquote, die 30 bis 100 Prozent höher war als die der vorherigen Version, und war 20 bis 30 Prozent schneller. In Tests mit Apptronik und Mercedes-Benz kitteden von Gemini angetriebene Apollo-2-Roboter Autoteile in einigen europäischen Fabriken und erreichten eine Erfolgsquote von 96 Prozent. DeepMind-Direktor Kanishka Rao sagte, das Schließen der verbleibenden 4-Prozent-Lücke würde ein „steiler Weg“ sein.
DeepMind gibt an, dass das System dazu bestimmt ist, eine breite Palette von Aufgaben auszuführen, im Gegensatz zu Robotern, die für eine Handvoll Fabrikjobs programmiert sind. „Wir können in einer bestimmten Anwendung sehr gut sein, auf Kosten der Verallgemeinerung“, sagte Carolina Parada, Leiterin der Robotik bei DeepMind. „Oder wir können einfach die Achse der Verallgemeinerung vorantreiben und vielleicht nicht in jeder Anwendung 99,9 erreichen.“