
గూగుల్ డీప్మైండ్ జెమిని, ఇమేజెన్, వీయో, గెమ్మ మరియు ఆల్ఫాఫోల్డ్కు సాధారణ నవీకరణలతో AI రంగంలో స్థిరమైన పురోగతి సాధిస్తోంది. ఈ రోజు, గూగుల్ డీప్మైండ్ బృందం ప్రవేశించారు రెండు కొత్త జెమిని 2.0 ఆధారిత మోడళ్లతో రోబోటిక్స్ పరిశ్రమ: జెమిని రోబోటిక్స్ మరియు జెమిని రోబోటిక్స్-ఎర్.
జెమిని రోబోటిక్స్ అనేది ఒక అధునాతన దృష్టి-భాష-చర్య (VLA) మోడల్, ఇది జెమిని 2.0 పై ఆధారపడి ఉంటుంది, రోబోట్లను నియంత్రించడానికి శారీరక చర్యలను కొత్త అవుట్పుట్ మోడలిటీగా చేర్చడం. ఈ కొత్త మోడల్ శిక్షణలో ఇంతకు ముందెన్నడూ చూడని పరిస్థితులను అర్థం చేసుకోగలదని గూగుల్ పేర్కొంది.
ఇతర స్టేట్ ఆఫ్ ది ఆర్ట్ విజన్-లాంగ్వేజ్-యాక్షన్ మోడళ్లతో పోలిస్తే, జెమిని రోబోటిక్స్ రెండుసార్లు అలాగే సమగ్ర సాధారణీకరణ బెంచ్మార్క్లో పనిచేస్తుంది. జెమిని రోబోటిక్స్ జెమిని 2.0 మోడల్పై నిర్మించబడింది కాబట్టి, ఇది వివిధ భాషలలో సహజ భాషా అవగాహన సామర్థ్యాలను కలిగి ఉంది. కాబట్టి, ఇది ప్రజల ఆదేశాలను మరింత మంచి మార్గంలో అర్థం చేసుకోగలదు.
సామర్థ్యం విషయానికి వస్తే, జెమిని రోబోటిక్స్ ఖచ్చితమైన తారుమారు అవసరమయ్యే చాలా క్లిష్టమైన, బహుళ-దశల పనులను నిర్వహించగలదని గూగుల్ పేర్కొంది. ఉదాహరణకు, ఈ మోడల్ ఓరిగామి మడత చేయగలదు లేదా అల్పాహారాన్ని జిప్లాక్ బ్యాగ్లో ఉంచవచ్చు.
జెమిని రోబోటిక్స్-ఎర్ అనేది ఒక అధునాతన దృష్టి-భాషా నమూనా, ఇది ప్రాదేశిక తార్కికంపై దృష్టి పెడుతుంది మరియు రోబోటిస్టులు తమ ప్రస్తుత తక్కువ-స్థాయి నియంత్రికలతో కనెక్ట్ అవ్వడానికి అనుమతిస్తుంది. ఈ మోడల్ను ఉపయోగించి, రోబోటిస్టులు బాక్స్ వెలుపల రోబోట్ను నియంత్రించడానికి అన్ని దశలను కలిగి ఉంటారు, ఇందులో అవగాహన, రాష్ట్ర అంచనా, ప్రాదేశిక అవగాహన, ప్రణాళిక మరియు కోడ్ ఉత్పత్తి ఉంటుంది.
జెమిని 2.0 మోడళ్ల ఆధారంగా హ్యూమనాయిడ్ రోబోట్లను నిర్మించడానికి గూగుల్ అప్ప్ట్రోనిక్తో భాగస్వామ్యం కలిగి ఉంది. జెమిని రోబోటిక్స్-ఇఆర్ యొక్క భవిష్యత్తుపై ఎజైల్ రోబోట్లు, ఎజిలిటీ రోబోటిక్స్, బోస్టన్ డైనమిక్స్ మరియు ఎన్చాన్టెడ్ టూల్స్ సహా ఎంపిక చేసిన విశ్వసనీయ పరీక్షకులతో గూగుల్ పనిచేస్తోంది.
రోబోట్లను ఎక్కువ ఖచ్చితత్వం మరియు అనుకూలతతో సంక్లిష్టమైన పనులను అర్థం చేసుకోవడానికి మరియు అమలు చేయడానికి వీలు కల్పించడం ద్వారా, గూగుల్ డీప్మైండ్ రోబోట్లు మన జీవితంలోని వివిధ అంశాలలో సజావుగా కలిసిపోయే భవిష్యత్తు కోసం మార్గం సుగమం చేస్తోంది.