A mesterséges intelligenciával a legtöbbször csak valamilyen chatbot vagy hasonló MI-funkció segítségével találkoznak az emberek, pedig fizikai formában is megnyilvánulhatnak – például egy robotba építve.

Most a Google is beépítette a Gemini 2.0 nyelvi modelljét egy robotba, és ennek sokkal több értelme van, mint elsőre gondolná: a segítő robotok új generációját hozhatja el az MI. A nyelvi modell persze nem egy az egyben lett átültetve robotkörnyezetbe, az egyik átalakított változat a Gemini Robotics VLA (vision-language-action) nevet kapta. Ez fejlettebb, fizikai cselekvésekkel is ki van egészítve; szavak helyett ezek is lehetnek a válaszok.

Van egy másik nyelvi modell is, ami dolgozik a szerkezetben; ez a Gemini Robots-ER, ami egy látás-nyelvi (vision-language / VLM) modell, ami fejlett térbeli megértést foglal magában. Ez segít az MI-nek például abban, hogy ki tudjon igazodni a környezetében, akkor is, ha az valós időben változik.

A Google egy zárt körű eseményen néhány újságírónak bemutatott egy videót, melyen a robot képes megkülönböztetni egy asztalon lévő, különböző színű és felületű edényt. Még a műanyag gyümölcsöket is meg tudta különböztetni, szét is osztotta őket a megfelelő tálakba – írja a Gizmodo.

A Google abban bízik, hogy a Gemini egyfajta „agy” lehet a robotok számára, ráadásul egy olyan technológia alapjain, ami más formában ugyan, de az okostelefonokban is dolgozik. A cég több partnerének is elküldi a modellt tesztelésre, így az Agile Robots, az Agility Robots, a Boston Dynamics és az Enchanted Tools is próbálgathatja.

A techóriás több biztonsági megoldással is igyekszik szavatolni, hogy a technológiával felvértezett robotok mindig biztonsággal közeledjenek az emberhez. Ezek kidolgozása terén több szakemberrel is együttműködnek.

Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.