Google DeepMind baru saja meluncurkan Gemini Robotics ER 2, dan ini adalah pembaruan yang membuat Anda memikirkan ulang apa yang sebenarnya mampu dilakukan robot. Model baru ini tidak hanya membuat robot individu menjadi lebih cerdas. Ia membuat kelompok robot yang sama sekali berbeda bekerja sama seolah-olah mereka berbagi otak yang sama.
Spot dari Boston Dynamics dan Apollo dari Apptronik, dua robot yang tampak sangat berbeda dan melakukan hal yang sangat berbeda, kini dapat berkoordinasi melalui pemahaman semantik bersama yang didukung oleh AI Google.
Apa yang sebenarnya dilakukan Gemini Robotics ER 2
Inovasi inti di sini adalah apa yang disebut DeepMind sebagai "kecerdasan temporal." Dalam bahasa Inggris: robot dapat mengamati apa yang terjadi melalui aliran video berkelanjutan, memahami di mana ia berada dalam tugas multi-langkah, dan merencanakan langkah selanjutnya secara sesuai.
Angka-angka tersebut mengungkapkan cerita yang menarik. Model mencapai akurasi 57,4% untuk klasifikasi kemajuan dan 91,3% untuk penemuan momen, dengan rata-rata kesalahan hanya 0,96 detik. Klasifikasi kemajuan, kemampuan untuk memahami sejauh mana suatu tugas telah berlangsung, masih memiliki ruang untuk berkembang. Namun, penemuan momen, yaitu menentukan secara tepat kapan suatu peristiwa tertentu terjadi dalam aliran video, sangat akurat dengan akurasi di bawah satu detik.
Integrasi dengan API Google Gemini Live menambahkan lapisan lain. Ini memungkinkan streaming dua arah dengan latensi rendah antara model AI dan robot, yang berarti sistem dapat menyesuaikan secara real-time tanpa jeda canggung yang menjadi masalah pada pengendali robot sebelumnya.
Keamanan juga mengalami peningkatan yang bermakna. Benchmark pengikutan instruksi yang ditingkatkan dan deteksi jarak yang lebih baik berarti robot-robot ini lebih kecil kemungkinannya menyebabkan bahaya kepada rekan kerja manusia.
Blok-blok bangunan dapat ditelusuri kembali ke tahun 2025
ER 2 tidak muncul begitu saja. Ini dibangun di atas fondasi yang dimulai Google pada Maret 2025 dengan model robotika Gemini awal, diikuti oleh pembaruan pada September tahun yang sama. Setiap iterasi secara bertahap memperluas kemampuan robot dengan AI generatif, berpindah dari eksekusi tugas dasar ke perilaku agen yang memungkinkan mesin membuat keputusan kontekstual secara real-time.
Google juga tidak beroperasi dalam ruang hampa. Keputusan untuk mendukung perangkat keras pihak ketiga seperti robot Boston Dynamics dan Apptronik menunjukkan bahwa Google ingin menjadi lapisan sistem operasi untuk robotika, bukan hanya sebagai vendor perangkat keras.