Google DeepMind ने अभी हाल ही में Gemini Robotics ER 2 जारी किया है, और यह एक ऐसा अपडेट है जो आपको यह सोचने पर मजबूर कर देता है कि रोबोट वास्तव में क्या कर सकते हैं। नया मॉडल केवल व्यक्तिगत रोबोट को ही बुद्धिमान नहीं बनाता। यह पूरी तरह से अलग-अलग रोबोटों के समूह को एक साथ काम करने की क्षमता प्रदान करता है, मानो उनके पास एक ही दिमाग हो।
बोस्टन डायनामिक्स का स्पॉट और ऐप्ट्रोनिक का अपोलो, दो रोबोट जो एक दूसरे से बिल्कुल अलग दिखते हैं और बहुत अलग काम करते हैं, अब गूगल के एआई द्वारा सक्षम साझा सेमेंटिक समझ के माध्यम से समन्वय कर सकते हैं।
जेमिनी रोबोटिक्स ER 2 वास्तव में क्या करता है
यहाँ मूल नवाचार वह है जिसे डीपमाइंड “टेम्पोरल इंटेलिजेंस” कहता है। अंग्रेजी में: रोबोट एक निरंतर वीडियो फीड के माध्यम से हो रही बातों को देख सकता है, एक बहु-चरणीय कार्य में अपनी स्थिति को समझ सकता है, और अपना अगला कदम उसी के अनुसार योजना बना सकता है।
संख्याएँ एक दिलचस्प कहानी बताती हैं। मॉडल प्रगति वर्गीकरण के लिए 57.4% सटीकता और क्षण खोज के लिए 91.3% सटीकता प्राप्त करता है, जिसकी औसत त्रुटि केवल 0.96 सेकंड है। प्रगति वर्गीकरण, यानी किसी कार्य की आगे बढ़ने की मात्रा को समझने की क्षमता, अभी भी विकास के लिए जगह छोड़ती है। लेकिन क्षण खोज, जो वीडियो स्ट्रीम में किसी विशिष्ट घटना के सटीक समय को पहचानती है, सब-सेकंड सटीकता के साथ अत्यधिक सटीक है।
गूगल के जेमिनी लाइव API के साथ एकीकरण एक और स्तर जोड़ता है। यह AI मॉडल और रोबोट के बीच निम्न-लेटेंसी, द्विदिशीय स्ट्रीमिंग को सक्षम बनाता है, जिसका अर्थ है कि सिस्टम वास्तविक समय में समायोजित हो सकता है बिना उन अजीब विरामों के जो पहले के रोबोटिक कंट्रोलर्स को परेशान करते थे।
सुरक्षा में भी एक अर्थपूर्ण अपग्रेड हुआ है। सुधारित निर्देश-अनुसरण बेंचमार्क और बेहतर समीपता पता लगाने का मतलब है कि इन रोबोट्स के मानव सहकर्मियों को नुकसान पहुंचाने की संभावना कम है।
बिल्डिंग ब्लॉक्स 2025 तक जाते हैं
ER 2 कहीं से अचानक नहीं आया। यह एक आधार पर बना है जिसे गूगल ने मार्च 2025 में प्रारंभिक Gemini रोबोटिक्स मॉडल्स के साथ रखना शुरू किया, जिसके बाद उसी वर्ष सितंबर में एक अपडेट आया। प्रत्येक बार इटरेशन ने जनरेटिव AI के साथ रोबोट्स के कार्यों को क्रमिक रूप से विस्तारित किया है, जो मूलभूत कार्यों के अलावा मशीनों को संदर्भ-आधारित निर्णय लेने की क्षमता प्रदान करता है।
गूगल भी एक खाली स्थान में काम नहीं कर रहा है। बोस्टन डायनामिक्स और ऐपट्रोनिक रोबोट्स जैसे तीसरे पक्ष के हार्डवेयर को समर्थन देने का निर्णय यह सुझाता है कि गूगल केवल एक हार्डवेयर विक्रेता नहीं, बल्कि रोबोटिक्स के लिए ऑपरेटिंग सिस्टम स्तर बनना चाहता है।