Google DeepMind kecha (30 iyul) blog post e’lon qilib, robotlar uchun mo‘ljallangan eng kuchli mujassamlangan fikrlash (embodied reasoning) modeli Gemini Robotics ER 2 taqdim etilganini ma’lum qildi.
Ushbu modelni robotning odamlar bilan muloqot qilish, fizik dunyoni tushunish va ko‘p bosqichli vazifalarni rejalashtirish kabi jarayonlarni muvofiqlashtiruvchi “ilg‘or miyasi” deb tasavvur qilish mumkin. Keyinchalik model vazifalarni quyi darajadagi ko‘rish-til-harakat (VLA) modellariga taqsimlaydi va ularning bajarilishini boshqaradi.
Funksiyalar jihatidan avvalgi 1.6 versiyasi bilan taqqoslaganda, Gemini Robotics ER 2 modeli videoni uzluksiz kuzatish orqali robotlarga ish jarayonidagi o‘z taraqqiyotini kuzatish, muammo yuzaga kelganda moslashish va keyingi bosqichga qachon o‘tish kerakligini aniq belgilash imkonini beradi. Model Google Search (Google qidiruvi) yoki dasturchi tomonidan sozlangan funksiyalarni ham bevosita chaqira oladi.
Fizik agentlar sohasida, robot vazifani bajarayotgan paytda Gemini Robotics ER 2 modeli keyingi bosqichlarni bir vaqtning o‘zida fikrlab, an’anaviy robotlardagi “to‘xtash — fikrlash — yana harakat qilish” jarayonidan kelib chiqadigan tanaffuslarni kamaytirishi mumkin. Model kechikishga sezgir robot vazifalari uchun Gemini Live API (Gemini real vaqt API) ning ikki tomonlama oqimli endpointiga ulangan.
Gemini Robotics ER 1.6 bilan taqqoslaganda, ER 2 uzluksiz video oqimini tahlil qila oladi. Shu orqali robot o‘z vazifasining borishini kuzatishi, harakat xato bo‘lganda moslashishi yoki qayta urinishi hamda keyingi bosqichga qachon o‘tishni aniqlashi mumkin.
Vazifa borishini tasniflash testida Gemini Robotics ER 2 aniqligi 57.4% ni tashkil etdi. Bu imkoniyat robotga butun ish jarayonini qayta ishga tushirmasdan, muvaffaqiyatsiz bosqichlarni tuzatishga yordam beradi.
Moment-finding, ya’ni muhim lahzani aniqlash testida model muhim voqea yuz bergan aniq video kadrini topishi kerak edi, masalan, qahvaga quyishni qachon to‘xtatish kerakligini aniqlash. ER 2 aniqligi 91.3% bo‘lib, o‘rtacha mutlaq vaqt xatosi 0.96 soniyani tashkil etdi.
Google ma’lumotiga ko‘ra, ushbu model hisoblash xarajatlarini kamaytirgan holda kattaroq modellar toifasiga yaqin aniqlikka erishadi, bajarilish tezligi ularnikidan 4 baravar yuqori va real robotlarning xavfsiz ishlashi uchun zarur bo‘lgan soniyadan kichik kechikish talablariga javob beradi.
ER 2 ko‘p robotli hamkorlikni ham qo‘llab-quvvatlaydi. Turli turdagi robotlar umumiy semantik tushunish yordamida muloqot qilishi, vazifalarni topshirishi va bitta qurilma mustaqil bajara olmaydigan murakkab ish jarayonlarini amalga oshirishi mumkin. Google Apptronik kompaniyasining Apollo 2 roboti va Franka kompaniyasining FR3 Duo roboti hamkorligiga oid misolni namoyish etdi.
Gemini Robotics ER 2 hozirda Gemini API va Google AI Studio orqali dasturchilar uchun ochiq taqdim etilgan; shu bilan birga, u Gemini Enterprise Agent Platform (Gemini korporativ agentlar platformasi) da yopiq preview rejimida mavjud. Google model konfiguratsiyasi va prompt namunaviy kodlarini ham e’lon qildi.