গুগল ডিপমাইন্ড সাম্প্রতিকই জেমিনি রোবোটিক্স ইআর 2 প্রকাশ করেছে, এবং এটি এমন একটি আপডেট যা আপনাকে পুনরায় চিন্তা করতে বাধ্য করবে যে রোবোটগুলি আসলে কী করতে পারে। নতুন মডেলটি শুধুমাত্র একক রোবোটগুলিকে বুদ্ধিমান করে না। এটি সম্পূর্ণভাবে ভিন্ন ভিন্ন রোবোটগুলিকে একসাথে কাজ করতে বাধ্য করে, যেন তাদের একই মস্তিষ্ক আছে।
বোস্টন ডাইনামিক্সের স্পট এবং অ্যাপট্রোনিকের অ্যাপোলো, দুটি রোবট যাদের চেহারা কিছুই মিলে না এবং খুব ভিন্ন ভিন্ন কাজ করে, এখন গুগলের এআই দ্বারা সক্ষম একটি শেয়ার্ড সেমান্টিক বুঝতে পারে।
জেমিনি রোবোটিক্স ইআর ২ বাস্তবে কী করে
এখানে মূল উদ্ভাবন হল ডিপমাইন যা কে “টেম্পোরাল ইন্টেলিজেন্স” বলে। ইংরেজিতে: রোবটটি একটি নিরবচ্ছিন্ন ভিডিও ফিডের মাধ্যমে যা ঘটছে তা দেখতে পায়, একাধিক ধাপবিশিষ্ট কাজে নিজেকে কোথায় অবস্থিত বুঝতে পারে এবং তারপরের পদক্ষেপটি তা অনুযায়ী পরিকল্পনা করে।
সংখ্যাগুলি একটি আকর্ষণীয় গল্প বলে। মডেলটি প্রগতি শ্রেণীবিভাগের জন্য 57.4% সঠিকতা এবং মুহূর্ত খুঁজে বার করার জন্য 91.3% সঠিকতা অর্জন করে, যার গড় ত্রুটি মাত্র 0.96 সেকেন্ড। প্রগতি শ্রেণীবিভাগ, অর্থাৎ কোনো কাজটি কতটা এগিয়েছে তা বুঝতে পারা, এখনও বৃদ্ধির জন্য জায়গা রয়েছে। কিন্তু মুহূর্ত খুঁজে বার করা, অর্থাৎ ভিডিও স্ট্রিমে কোনো নির্দিষ্ট ঘটনা ঠিক কখন ঘটেছে তা চিহ্নিত করা, সেকেন্ডের অংশের সঠিকতায় অসাধারণভাবে সূক্ষ্ম।
গুগলের জেমিনি লাইভ এপিআই-এর সাথে একীকরণ আরেকটি স্তর যোগ করে। এটি এআই মডেল এবং রোবটের মধ্যে নিম্ন-ল্যাটেন্সি, দ্বিমুখী স্ট্রিমিং সক্ষম করে, যার অর্থ সিস্টেমটি আগের রোবটিক নিয়ন্ত্রকদের ক্ষেত্রে প্রচলিত অস্বাভাবিক বিরতিগুলি ছাড়াই বাস্তব-সময়ে সামঞ্জস্য করতে পারে।
নিরাপত্তাও একটি অর্থপূর্ণ আপগ্রেড পেয়েছে। উন্নত নির্দেশ অনুসরণের বেঞ্চমার্ক এবং ভালো নিকটত্ব শনাক্তকরণের মাধ্যমে এই রোবটগুলি মানুষের সহকর্মীদের ক্ষতি করার সম্ভাবনা কমে গেছে।
বিল্ডিং ব্লকগুলি ২০২৫ সালে ফিরে যায়
ER 2 হঠাৎ করে আবির্ভূত হয়নি। এটি ২০২৫ সালের মার্চে গুগল যে প্রাথমিক জেমিনি রোবোটিক্স মডেলগুলির সাথে যে ভিত্তি তৈরি করেছিল, তার উপর ভিত্তি করে তৈরি হয়েছে, এবং একই বছরের সেপ্টেম্বরে একটি আপডেট দিয়ে এটি আরও বিস্তৃত হয়। প্রতিটি পুনরাবৃত্তি ধাপে ধাপে জেনারেটিভ এআই-এর সাহায্যে রোবোটগুলির ক্ষমতা বাড়িয়েছে, মৌলিক কাজের প্রতিপাদন থেকে শুরু করে মেশিনগুলিকে প্রাসঙ্গিকভাবে অবস্থানভিত্তিক সিদ্ধান্ত নিতে দেওয়ার মতো এজেন্টিক আচরণের দিকে এগিয়েছে।
গুগলও একা কাজ করছে না। বোস্টন ডাইনামিক্স এবং অ্যাপট্রোনিক রোবটের মতো তৃতীয় পক্ষের হার্ডওয়্যারকে সমর্থন করার সিদ্ধান্তটি বোঝায় যে গুগল শুধুমাত্র একটি হার্ডওয়্যার ভেন্ডর হওয়ার পরিবর্তে রোবোটিক্সের জন্য অপারেটিং সিস্টেম লেয়ার হতে চায়।