نشرت Google DeepMind البارح (30 يوليوز) تدوينة أعلنت فيها على إطلاق نموذج Gemini Robotics ER 2، وهو أقوى نموذج ديالها للاستدلال التجسيدي (embodied reasoning) الموجّه للروبوهات.
ومن ناحية الدور ديالو، يمكن اعتبار هاد النموذج بمثابة «العقل المتقدم» ديال الروبوت، بحيث كينسّق التواصل مع البشر، وفهم العالم الفيزيائي، والتخطيط لمهام متعددة المراحل. ومن بعد، كيوجّه النموذج المهام لنماذج الرؤية-اللغة-الحركة (VLA) ذات المستوى الأدنى، وكيشرف على إنجازها.
على مستوى الوظائف، وبالمقارنة مع الإصدار 1.6 السابق، كيقدر نموذج Gemini Robotics ER 2 يتفرج باستمرار فالفيديو، وكيخلّي الروبوت يتابع التقدم ديالو، ويعدّل تصرفاتو ملي كيوقع مشكل، ويحدّد بدقة الوقت المناسب باش يدوز للخطوة الموالية. وكيقدر النموذج حتى يستعمل Google Search (بحث غوغل) أو وظائف مخصّصة كيحدّدها المطوّر بشكل أصلي.
فما يخص الوكلاء الفيزيائيين، يقدر نموذج Gemini Robotics ER 2، والروبوت مازال كينفّذ المهمة، يستنتج الخطوات الجاية فـ نفس الوقت، باش ينقص من التوقفات اللي كتسبب فيها الطريقة التقليدية ديال الروبوتات: «يوقف — يفكّر — ومن بعد يتحرك». وكيتّصل النموذج بنقطة النهاية ديال البث ثنائي الاتجاه فـ Gemini Live API (واجهة Gemini البرمجية الآنية)، والموجّه لمهام الروبوتات الحساسة للتأخير.
وبالمقارنة مع Gemini Robotics ER 1.6، كيقدر ER 2 يحلّل تدفق فيديو متواصل. وبهذا، يقدر الروبوت يتابع تقدم المهمة ديالو، ويعدّل الحركة أو يعاود المحاولة ملي كتوقع شي غلطة، ويحدّد الوقت اللي خاصو يدوز فيه للخطوة الموالية.
فاختبار تصنيف تقدم المهام، وصلات دقة Gemini Robotics ER 2 لـ 57.4%. وكتعاون هاد القدرة الروبوت على تصحيح الخطوات الفاشلة بلا ما يعاود يشغّل سير العمل كامل.
فاختبار البحث عن اللحظة (moment-finding، أي تحديد اللحظة الحاسمة)، كان خاص النموذج يلقا الإطار الدقيق فالفيديو اللي وقع فيه الحدث المهم، بحال يحدّد الوقت اللي خاصو يوقف فيه صبّ القهوة فالكاس. وسجّل ER 2 دقة قدرها 91.3%، بمتوسط خطأ مطلق فالوقت كيوصل لـ 0.96 ثانية.
وقالت غوغل إن هاد النموذج كيحقّق دقة قريبة من فئة النماذج الأكبر بتكلفة حسابية أقل، وبسرعة تنفيذ كتفوقها بـ 4 مرات، وكيستوفي متطلبات التأخير اللي أقل من ثانية والضرورية للتشغيل الآمن ديال الروبوتات فالواقع.
كيدعم ER 2 حتى التعاون بين روبوهات متعددة. وكيقدرو روبوهات من أنواع مختلفة يتواصلو، ويتبادلو المهام، وينجزو سيرورات عمل معقدة اللي كيصعب على جهاز واحد يكملها بوحدو، بفضل الفهم الدلالي المشترك. وعرّضات غوغل حالة تعاون بين Apollo 2 ديال Apptronik وFR3 Duo ديال Franka.
وولا Gemini Robotics ER 2 متاح دابا للمطوّرين بشكل علني عبر Gemini API وGoogle AI Studio؛ وفـ نفس الوقت، تفتحات ليه معاينة خاصة فـ Gemini Enterprise Agent Platform (منصة الوكلاء الذكيين للمؤسسات من Gemini). كما نشرت غوغل أمثلة على إعدادات النموذج وعلى الشيفرات ديال التعليمات.