Þann 24. júní afhjúpaði Google DeepMind hið byltingarkennda vélfærafræði líkan Gemini Robotics On-Device, sem markar fyrsta sinn sem líkan getur starfað algjörlega á staðnum án þess að treysta á skýjatengingu. Þetta sjónræna-tungumáls-líkan (VLA), byggt á Gemini 2.0 arkitektúrnum, samþættir sjóngreiningu, náttúrulegan málskilning og getu til að búa til aðgerð, sem gerir vélmenni kleift að framkvæma flókin verkefni nákvæmlega eins og að brjóta saman föt, renna upp rennilásum og jafnvel binda skóreimar í offline umhverfi.
Tæknibylting: Stökk í átt að sjálfræði frá skýi til brúns
Gemini Robotics On-Tækið nær sambærilegum afköstum og skýjabyggðum-líkönum á staðbundnum vélbúnaði með léttri hönnun og fínstillingu reikniritsins, en er um leið betri en aðrar staðbundnar lausnir. Hann er búinn snertiskynjurum með miklum-þéttleika og IP67 vatnsheldri hönnun, hann getur starfað í allt að 1 metra djúpu vatni í 30 mínútur og lagað sig að flóknu umhverfi eins og eldhúsum og baðherbergjum. Hvað hreyfanleika varðar, hefur gönguhraði batnað um 60% miðað við fyrri kynslóð, með jafnvægisnákvæmni sem jafnast á við fagmenn í fimleikum og stuðningur við samvinnu með tvíhandleggjum til að framkvæma nákvæmar aðgerðir eins og iðnaðarsamsetningu.
Vistkerfi þróunaraðila: Sérsnið með aðeins 50 sýnikennslu
Sem fyrsta opna-stillingar VLA líkan Google, Gemini Robotics On-Tækið getur fljótt lagað sig að nýjum aðstæðum með aðeins 50-100 verkefnasýnum, eins og að klára leiðbeiningarnar "settu Rubik's Cube í gjafapokann" á Apptronik's Apollo humanoid vélmenni. Meðfylgjandi Gemini Robotics SDK samþættir MuJoCo eðlisfræðiherminn, sem gerir forriturum kleift að prófa líkanið í sýndarumhverfi og fá aðgang í gegnum „Trusted Tester Program“. Þetta frumkvæði er litið á af iðnaðinum sem „Android vélfærafræðinnar,“ með möguleika á að knýja fram aftengingu vélbúnaðar og hugbúnaðar og lækka þróunarhindranir iðnaðarins.
Umsóknarsviðsmyndir: Alhæfanleiki frá verksmiðjum til heimila
Í iðnaðargeiranum hefur líkanið verið aðlagað fyrir Franka FR3 tvíarma-vélmenni, sem gerir verkefnum kleift eins og samsetningu færibanda og gæðaskoðun. Í heimilisstillingum getur það framkvæmt daglega þjónustu eins og að elda og ganga með hundinn í gegnum náttúruleg samskipti, og jafnvel útbúa morgunmat fyrirfram út frá áætlunum notenda. Sérstaklega hefur Google innleitt merkingarfræðilegar öryggisúttektir í gegnum Gemini Live API og sett aðgerðakraft og hraðatakmarkanir á vélbúnaðarstigi til að byggja upp fjöl-laga öryggisvarnarkerfi.
Þrátt fyrir að það sé þróað á grundvelli Gemini 2.0, hefur kjarnateymi þess þegar byrjað að samþætta frammistöðuaukningu nýjustu Gemini 2.5, sem gæti mögulega rutt brautina fyrir frekari bylting í fjöl-þrepa rökrænni áætlanagerð. Eftir því sem staðbundin gervigreind módel verða útbreiddari er vélfærafræðiiðnaðurinn að breytast frá „skýjafíkn“ yfir í „brúnargreind“. Kynning á Gemini Robotics On-Device markar nýtt tímabil innlifaðrar upplýsingaöflunar sem fer inn í stóra-forrit.