Binalita ng Google DeepMind ang isa sa pinakamalaking pahayag sa robotics taong ito. Ang Gemini Robotics 2, na ipinakilala noong Hulyo 30, ay disenyo upang maging isang iisang AI na utak na makakapagpapatakbo sa loob ng halos anumang robot body, mula sa humanoid hanggang sa industriyal na braso, at makakapag-adapt sa bagong hardware sa ilang oras kaysa sa ilang buwan.
Ano talaga ang ginagawa ng Gemini Robotics 2
Binubuo ang sistema sa pamamagitan ng tatlong magkakaibang modelo, bawat isa ay nag-aalaga sa iba’t ibang antas ng robot intelligence. Ang vision-language-action (VLA) model ay nagpapatakbo ng whole-body control at fine motor skills. Ang embodied reasoning (ER) model ay gumagawa bilang mataas na utak, na nag-o-orchestrate ng mga multi-step task sequences na maaaring magtrabaho nang ilang minuto. At mayroon ding on-device variant na tumatakbo lokal, kaya hindi kailangan ng robot na tumawag sa cloud server bawat beses na ito ay hahawak ng baso.
Ang sistema ay hardware-agnostic. Isang tanging model checkpoint ay maaaring magtrabaho sa lubos na iba’t ibang robotic platforms. Ipakita ng Google ito sa Apptronik’s Apollo 2 humanoid at Franka’s robotic arm systems, na nagpapatakbo ng parehong intelligence layer sa napakalaking iba’t ibang pisikal na anyo.
Ang Gemini Robotics 2 ay nakakatuto na mag-operate ng isang bagong robot embodiment gamit ang mas mababa sa 200 na training examples, na maaaring makamit sa ilang oras ng pagkolekta ng data. Para sa konteksto, ang mga tradisyonal na sistema ng AI sa robotics ay kadalasang nangangailangan ng libo-libo o tens of thousands na demonstrasyon upang makamit ang pangunahing kahusayan sa isang platform.
Ang mga robot na nagpapatakbo sa sistemang ito ay kayang maghandle ng mga advanced na gawain kabilang ang paglalakad na bipedal, pagmaneho ng mga bagay, at multi-robot collaboration, kung saan ang ilang mga makina ay nagkakasundo ng kanilang mga aksyon nang walang pakikialam ng tao.
Bakit mahalaga ito sa labas ng laboratorio ng robotics
Ginagawa ng Google ang ER model at VLA models na magagamit sa Google AI Studio at mga partner program. Ang DeepMind ay nagsagawa rin ng mga benchmark na espesipiko para sa tinatawag nitong “agentic behavior,” na sinusukat kung paano ligtas ang mga AI system na ito sa paggawa ng autonomous na desisyon.
Ano ang ibig sabihin nito para sa mga investor
Ang hardware-agnostic na pagkakaroon ng Google DeepMind ay maaaring magbago nang malaki sa kompetitibong landscape. Kung magtatagumpay ang Gemini Robotics 2 sa kanyang pangako, ito ay maaaring magpapakomoditi ng robot hardware habang pinopokus ang halaga sa layer ng inteligensya. Ang mga kumpanya tulad ng Apptronik na kasalukuyang nakikipagsaparita kay DeepMind ay maaaring makinabang sa mas madaling pagpasok sa merkado, ngunit mas nakadepende rin sila sa AI stack ng Google.
Ang Tesla’s Optimus program, Figure AI, at ang patuloy na paglalago ng listahan ng mga startup sa robotics ay lahat ay nagsisikap makamit ang mga parehong layunin. Ang pangunahing kahusayan ng Google ay ang kalakasan: mayroon ito ng compute infrastructure, mga pangunahing AI models, at isang platform para sa distribusyon sa pamamagitan ng Google AI Studio at mga partner program.