⭐ נקודות עיקריות
- גוגל הכריזה על Gemini Robotics ER 2, מודל בינה מלאכותית המיועד להסקה חזותית וניהול משימות ברובוטיקה.
- המודל פועל כ"מוח מרכזי" המנתח הזרמת וידאו רציפה ומעביר הנחיות מוטוריות למודלי תנועה ייעודיים.
- העדכון כולל לראשונה יכולת שיתוף פעולה ותקשורת סמנטית בין מספר רובוטים שונים במרחב עבודה אחד.
- המודל זמין כעת למפתחים דרך Gemini API, Google AI Studio ובגרסת ניסיון ב-Gemini Enterprise Agent Platform.
גוגל (Google) הכריזה על Gemini Robotics ER 2, הדור החדש של מודל הבינה המלאכותית Gemini המיועד להסקה חזותית וניהול משימות ברובוטים (Embodied Reasoning).
ההכרזה מסמנת את אחד השינויים הרחבים ביותר של החברה בתחום הרובוטיקה בשנים האחרונות, כאשר המודל מציע שיפור בעיבוד וידאו רציף בזמן אמת, ניתוב משימות מורכבות ויכולת תיאום בין מספר רובוטים הפועלים יחד.
גוגל תכננה את Gemini Robotics ER 2 לתפקד כרכיב הניהול הגבוה ברמת הרובוט. המודל מסוגל לתקשר בשיחה עם בני אדם, להבין את הסביבה הפיזית ולתכנן משימות מרובות שלבים, ולאחר מכן להעביר את הוראות הביצוע המוטוריות למודלים ייעודיים מסוג VLA (ראייה-שפה-פעולה).
המודל משתלב ב-Gemini Live API באמצעות חיבור הזרמה שנועד למזער השהיות בזמן עבודה.
הכירו את Gemini Robotics ER 2
אחד השינויים המרכזיים ב-Gemini Robotics ER 2 נוגע ליכולת הניתוח של עדכוני וידאו רציפים בזמן אמת.
באמצעות מעקב זה, הרובוט מסוגל לזהות את קצב ההתקדמות במשימה, לזהות כשלים במהלך הביצוע ולבצע תיקונים נקודתיים ללא צורך בהתחלת המהלך מחדש.
לדברי החברה, במבחני הסיווג המודל מציג דיוק של 57.4% במעקב אחר שלבי התקדמות (Progress Classification) ודיוק של 91.3% בזיהוי נקודות זמן מדויקות (Moment Finding) המציגות רגע קריטי במשימה, כמו עצירת מילוי נוזל בכוס. זיהוי אירועים אלו מתבצע בהשהיה ממוצעת של 0.96 שניות.
שיתוף פעולה רובוטי ובטיחות
החידוש הבולט ביותר בהכרזה מציג יכולת תיאום ושיתוף פעולה בין מספר רובוטים (Multi-robot collaboration).
המודל מאפשר למכונות בעלות מבנה הנדסי שונה, כמו רובוטים על גלגלים לצד רובוטים דמויי אדם, לתקשר דרך הבנה סמנטית משותפת ולהעביר משימות ביניהן.
במסגרת ההכרזה הדגימה החברה עבודה משותפת בין הרובוט Apollo 2 של חברת Apptronik לבין הזרוע הרובוטית Franka F3 Duo, לצד שילוב המודל ברובוט Spot מבית Boston Dynamics.
עד כה כל רובוט בקו ייצור או במחסן פעל כיחידה עצמאית, ותיאום בין מכונות שונות דרש תכנות מראש של כל שלב במשימה.
יכולת ההעברה הסמנטית של משימות בין רובוטים בעלי מבנה הנדסי שונה מאפשרת חלוקת עבודה דינמית – רובוט על גלגלים מביא פריט וזרוע רובוטית נייחת מבצעת בו פעולת הרכבה, בלי שכל מעבר יוגדר מראש.
בתחום הבטיחות והתפיסה המרחבית, המודל משלב מנגנוני ניטור סביבתי ומעקב אחר קרבת בני אדם, הכוללים עצירה אוטומטית של פעילות הרובוט בעת זיהוי אדם בסביבתו הקרובה וחידוש הפעולה רק לאחר פינוי האזור.
כמו כן, המודל מציע יכולת זיהוי כשלים מתוך הזרמת וידאו חי מורכבת ומיומנות בקריאת מכשירי מדידה שונים, כולל צגים דיגיטליים, סרגלים ומדחומים.
ביצועים בהשוואה למודלים אחרים
במבחני הביצועים של סוכנים פיזיים (Physical Agent Performance), המודל מציג שיפור עקבי לעומת הדור הקודם, Gemini Robotics ER 1.6, על פני שלושת מצבי השליטה שנבדקו.
בשליטה על מודל VLA אמיתי מציג ה-Gemini Robotics ER 2 שיעור הצלחה של 60.0% לעומת 48.6% בדור הקודם, ובשליטה על VLA בסביבת סימולציה עולה שיעור ההצלחה ל-42.9% לעומת 37.4%.
בהפעלה באמצעות שליטה מרחוק על ידי אדם (Human Tele-op) רושם המודל שיעור הצלחה של 74.0% לעומת 63.6% במודל הקודם.
ההכרזה מגיעה לשוק שבו מספר חברות מפתחות במקביל שכבת בקרה מבוססת בינה מלאכותית לרובוטים הומנואידיים ותעשייתיים.
בין השחקנים הבולטים NVIDIA, שמקדמת את משפחת מודלי GR00T לרובוטים הומנואידיים, וכן חברות כמו Figure ו-Tesla המפתחות מודלי בקרה בתוך מערכות סגורות המיועדות לחומרה שלהן.
הגישה של גוגל שונה בכך שהמודל מוצע כשכבת הסקה שאינה קשורה לחומרה מסוימת, ופועלת מעל מודלי תנועה של יצרנים שונים.
זמינות ולוחות זמנים
גרסת Gemini Robotics ER 2 זמינה כעת למפתחים דרך Gemini API ו-Google AI Studio, וכן בגרסת תצוגה מקדימה פרטית (Private Preview) בפלטפורמת Gemini Enterprise Agent Platform.
לצד מודל ה-ER 2, גוגל מפתחת שני מודלי תנועה נלווים: מודל הפעולה Gemini Robotics 2 ומודל המיועד לעבודה מקומית ללא חיבור לרשת בשם Gemini Robotics On-Device 2.
לדברי החברה, מודלים אלו זמינים כעת במתכונת מוגבלת לקבוצת בוחנים מצומצמת בלבד.
