Lanzamiento de Gemini Robotics 2.5
Google DeepMind ha revelado Gemini Robotics 2.5, una actualización de su plataforma de IA física. La plataforma tiene dos componentes principales: Gemini Embodied Reasoning, que utiliza instrucciones y video en vivo para planificar una tarea, y Gemini Robotics, un modelo de visión-lenguaje-acción (VLA) que genera acciones como mover un actuador.
DeepMind afirma que Gemini Robotics 2.5 tiene un mejor desempeño en tareas que requieren destreza. Fue evaluado en más de 200 actividades, incluyendo servir comida con pinzas y usar una pipeta. El robot humanoide Apollo 2 de Apptronik, que ejecuta el modelo, puede hacer un lazo con sus manos de cinco dedos, una tarea difícil porque los robots tienen dificultades para manipular objetos deformables como las cintas.
En pruebas de laboratorio, Gemini Robotics 2.5 tuvo una tasa de éxito del 30 al 100 por ciento superior a la versión anterior y fue del 20 al 30 por ciento más rápido. En pruebas con Apptronik y Mercedes-Benz, los robots Apollo 2 impulsados por Gemini prepararon piezas automotrices en varias fábricas europeas, logrando una tasa de éxito del 96 por ciento. El director de DeepMind, Kanishka Rao, dijo que cerrar la brecha restante del 4 por ciento sería un "camino empinado".
DeepMind dice que el sistema está diseñado para realizar una amplia gama de tareas, a diferencia de los robots programados para un puñado de trabajos de fábrica. "Podemos ser muy buenos en una aplicación particular a costa de la generalización", dijo Carolina Parada, jefa de robótica de DeepMind. "O simplemente podemos impulsar el eje de la generalización y tal vez no llegar al 99,9 en cada aplicación".