Google представи изкуствен интелект, който учи роботите да действат в реалния свят

Google представи нов ИИ-модел, който прави роботите много по-умни във взаимодействието им с реалния свят. Разработката, наречена Gemini Robotics-ER 1.6, позволява на машините не само да следват команди, но и да разбират средата, да планират действия и самостоятелно да оценяват резултата.

Стъпка от инструкции към мислене

Основната идея на новия модел е така нареченото „въплътено мислене“. Това означава, че роботът придобива способността да анализира изображения, да разпознава обекти и да взема решения в зависимост от ситуацията.

За разлика от предишни системи, които работеха съгласно ясни инструкции, Gemini Robotics-ER 1.6 може самостоятелно да определи как да изпълни дадена задача и дори да разбере кога тя е завършена.

По-добро разбиране на пространството

Едно от ключовите предимства на новата система е подобреното пространствено мислене. Роботите вече са способни да:

• разпознават обектите по-точно;
• определят техния брой;
• анализират връзките между тях.

Това е особено важно в реалните среди, където средата често се променя и информацията може да е непълна. Моделът също така позволява на роботите да „обяснят“ действията си – например, като посочват обектите, които разглеждат, докато изпълняват задача.

Работа с множество камери

Съвременните роботи често използват няколко камери едновременно – например, горна камера и камера на манипулатора. Новият изкуствен интелект може да комбинира тези различни източници на данни в една картина. Това помага за по-добра навигация дори в трудни условия – когато някои обекти са блокирани или осветлението е недостатъчно.

Способността да „четете“ света около вас

Една от най-практичните нови функции е способността да разпознават показанията на инструментите. Роботите могат да четат:

• аналогови манометри;
• цифрови дисплеи;
• индикатори за ниво на течности.

Тази функция е разработена в сътрудничество с Boston Dynamics, където роботите вече се използват за промишлена инспекция. Новият подход е увеличил точността на отчитане на данните от около 23% в предишните модели до над 90%.

Самооценка на резултата

Друга важна особеност е способността да се определи дали дадена задача е изпълнена правилно. Роботът може да реши дали да повтори действието или да премине към следващата стъпка. Това значително повишава ефективността на автоматизираните процеси, които преди това изискваха постоянен човешки надзор.

Сигурност на ново ниво

Google също така подчертава, че новият модел е по-безопасен. Той е по-добър в разпознаването на потенциално опасни ситуации и спазването на правилата за физическа безопасност по време на работа.

Какво означава това за бъдещето?

Gemini Robotics-ER 1.6 вече е достъпен за разработчиците чрез Google AI Studio и Gemini API, което означава, че новите възможности могат бързо да се появят в реални продукти — от индустриални роботи до домашни асистенти.

Новата разработка на Google демонстрира важна промяна в роботиката: машините постепенно преминават от следване на команди към истинско разбиране на света около тях.