Google има нов AI модел за управление на роботи

Генеративният изкуствен интелект играе все по-голяма роля в реалните, физически роботи. След като по-рано тази година обяви Gemini Robotics, Google DeepMind сега разкри нов модел VLA (vision language action) за управление на роботи. За разлика от предишната версия, тук няма облачен компонент, което позволява на роботите да работят напълно автономно.

Този подход към може да направи роботите по-надеждни в предизвикателни ситуации. Секторът представлява уникален проблем за изкуствения интелект, защото роботът не само съществува във физическия свят, но и променя своята среда. Независимо дали го карате да премества продукти или да ви връзва обувките, е трудно да предвидите всички възможни ситуации, с които роботът може да се сблъска. Традиционният подход за обучение беше много бавен, но генеративният изкуствен интелект позволява много по-голяма генерализация.

В предишната версия на Gemini Robotics, платформите работеха с хибридна система с малък модел на робота и по-голям, в облака. Локалният модел позволява бърза адаптация, докато сървърният модел може да помогне при сложни задачи за разсъждение. Google DeepMind сега пуска локалния модел като самостоятелен VLA.

Новият модел Gemini Robotics On-Device е само малко по-неточен от хибридната версия. С пускането на този модел с пълен SDK екипът се надява, че разработчиците ще дадат на роботите, задвижвани от Gemini, нови задачи и ще им покажат нови среди, което може да разкрие действия, които не работят с настройките на модела.

Има и по-сложни поведения, които може да са извън възможностите на VLA на устройството. То не би трябвало да има проблем с прости действия като връзване на обувка или сгъване на риза. Ако обаче искате роботът да ви сготви, вероятно ще е необходим по-мощен модел, който да премине през многоетапното разсъждение.

Екипът счита Gemini Robotics On-Device за идеално решение за среди, в които свързаността с облака е нестабилна или липсва. Локалната обработка на визуалните данни на робота е по-добра и от гледна точка на поверителността, например в здравеопазването.

Безопасността винаги е проблем при ИИ системите, независимо дали става дума за чатбот, който предоставя опасна информация, или за робот, който се превръща в Терминатор. Всички сме виждали как генеративните AI чатботове и генераторите на изображения халюцинират неистини в своите резултати, и генеративните системи, които захранват Gemini Robotics, не са по-различни – моделът не винаги дава правилни резултати. За да гарантира, че роботите се държат безопасно, Gemini Robotics използва многослоен подход.