شرکت Google DeepMind از نسل جدید پلتفرم هوش مصنوعی رباتیک خود با نام Gemini Robotics 2.5 رونمایی کرده است. این مدل با هدف افزایش دقت، مهارت حرکتی و ایمنی ربات‌ها توسعه یافته و قرار است توانایی آن‌ها را برای انجام فعالیت‌های پیچیده در محیط‌های واقعی، از آزمایشگاه‌ها گرفته تا خطوط تولید کارخانه‌ها، بهبود دهد. هم‌زمان با معرفی این فناوری، گوگل یک معیار ارزیابی متن‌باز با نام ASIMOV-Jailbreak نیز منتشر کرده است که برای بررسی مقاومت سیستم‌های هوش مصنوعی رباتیک در برابر دستورهای فریبنده و خطرناک طراحی شده است.

Gemini Robotics 2.5 چگونه کار می‌کند؟

پلتفرم جدید گوگل از دو بخش اصلی تشکیل شده است. بخش نخست، Gemini Embodied Reasoning، وظیفه درک دستورهای انسانی، تحلیل تصاویر زنده دوربین و برنامه‌ریزی مراحل انجام یک فعالیت را بر عهده دارد. بخش دوم، Gemini Robotics، یک مدل بینایی، زبان و عمل (Vision-Language-Action) است که برنامه‌های تولیدشده را به اقدامات فیزیکی تبدیل می‌کند؛ اقداماتی مانند حرکت دادن بازوها، گرفتن اشیا و کنترل اجزای مختلف ربات.

یکی از مهم‌ترین پیشرفت‌های این نسخه، افزایش توانایی ربات‌ها در انجام فعالیت‌هایی است که به مهارت حرکتی و دقت بالایی نیاز دارند. گوگل اعلام کرده است که Gemini Robotics 2.5 در بیش از ۲۰۰ فعالیت مختلف مورد آزمایش قرار گرفته است. این فعالیت‌ها شامل استفاده از انبر برای جابه‌جایی مواد غذایی، کار با ابزارهای آزمایشگاهی و حتی بستن روبان با استفاده از انگشتان رباتیک می‌شوند. بر اساس نتایج آزمایش‌های DeepMind، نرخ موفقیت این مدل بسته به نوع فعالیت، بین ۳۰ تا ۱۰۰ درصد نسبت به نسخه‌های قبلی افزایش یافته است. همچنین ربات‌ها می‌توانند همین فعالیت‌ها را حدود ۲۰ تا ۳۰ درصد سریع‌تر انجام دهند.

همکاری با مرسدس بنز؛ آزمایش ربات‌های انسان‌نما در کارخانه

یکی از بخش‌های قابل توجه معرفی Gemini Robotics 2.5، استفاده از آن در محیط واقعی کارخانه‌های مرسدس بنز است. گوگل با همکاری شرکت Apptronik، مدل جدید خود را روی ربات انسان‌نمای Apollo 2 آزمایش کرده است. این ربات‌ها در خطوط تولید کارخانه‌های مرسدس بنز در شهرهای کچکمت مجارستان و زیندلفینگن آلمان، وظیفه مرتب‌سازی و آماده‌سازی قطعات خودرو را بر عهده داشتند. آن‌ها باید قطعات فلزی را از مخازن مختلف برداشته و با ترتیب مشخص در محفظه‌های مخصوص قرار می‌دادند تا برای مراحل بعدی مونتاژ آماده شوند.

طبق اعلام DeepMind، ربات‌های Apollo 2 در این آزمایش به نرخ موفقیت ۹۶ درصد دست یافته‌اند. اگرچه این رقم پیشرفت قابل توجهی محسوب می‌شود، اما هنوز فاصله‌ای میان عملکرد ربات‌ها و دقت مورد انتظار در خطوط تولید صنعتی وجود دارد. کانی‌شکا رائو، از مدیران بخش رباتیک DeepMind، رسیدن به فاصله باقی‌مانده را چالشی جدی توصیف کرده است.

نقش Gemini 4 Argon در آموزش هوشمندتر ربات‌ها

یکی از چالش‌های اصلی توسعه هوش مصنوعی رباتیک، کمبود داده‌های فیزیکی و واقعی برای آموزش مدل‌هاست. برخلاف مدل‌های زبانی که می‌توانند از حجم عظیمی از متون اینترنتی استفاده کنند، ربات‌ها برای یادگیری مهارت‌های حرکتی به نمونه‌های عملی و داده‌های محیطی نیاز دارند. DeepMind برای حل این مشکل از Gemini 4 Argon استفاده کرده است. این مدل می‌تواند بر اساس تصاویر دوربین‌های واقعی، هزاران سناریوی تمرینی شبیه‌سازی‌شده تولید کند و نسخه‌های دیجیتالی از محیط واقعی بسازد. ترکیب این داده‌های مصنوعی با نمونه‌های واقعی به ربات‌ها کمک می‌کند مهارت‌های جدید را سریع‌تر یاد بگیرند و در مواجهه با محیط‌ها و اشیای متفاوت عملکرد بهتری داشته باشند.

ASIMOV-Jailbreak؛ تلاش گوگل برای افزایش ایمنی ربات‌ها

در کنار پیشرفت‌های حرکتی، ایمنی یکی از مهم‌ترین موضوعات توسعه ربات‌های هوشمند است. گوگل برای بررسی این مسئله، مجموعه داده متن‌باز ASIMOV-Jailbreak را معرفی کرده است. این مجموعه شامل حدود ۱۵۰۰ دستور و سناریوی طراحی‌شده برای فریب سیستم‌های هوش مصنوعی رباتیک است. هدف این آزمایش‌ها بررسی این موضوع است که آیا ربات می‌تواند درخواست‌های خطرناک یا غیرایمن را تشخیص دهد و از اجرای آن‌ها خودداری کند یا خیر.

DeepMind اعلام کرده است که با قرار دادن Gemini 4 Argon در چرخه ارزیابی، سطح مقاومت سیستم در برابر حملات Jailbreak به ۹۸.۸ درصد رسیده است؛ درحالی‌که نسخه Gemini Robotics ER 2 به‌تنهایی امتیاز ۷۳.۵ درصد را کسب کرده بود. همچنین قابلیت استدلال هنگام اجرا (Inference-Time Reasoning) به ربات‌ها کمک می‌کند موانع فیزیکی و حضور انسان‌ها را تشخیص دهند و در شرایط خطرناک حرکت خود را متوقف کنند یا تا ایمن شدن محیط منتظر بمانند.

آینده ربات‌های هوشمند؛ هنوز تا استقلال کامل فاصله داریم

با وجود پیشرفت‌های چشمگیر Gemini Robotics 2.5، این فناوری هنوز محدودیت‌هایی دارد. از جمله اینکه مدل جدید در دسترس عموم قرار نگرفته و فعلاً فقط برای شرکای منتخب گوگل، از جمله Apptronik، Boston Dynamics و Agile Robots، عرضه شده است. همچنین وابستگی نسخه فعلی به پردازش ابری می‌تواند باعث ایجاد تأخیر در اجرای برخی دستورات شود؛ مسئله‌ای که در محیط‌های صنعتی و فعالیت‌های حساس اهمیت زیادی دارد.

با این حال، ترکیب مدل‌های هوش مصنوعی پیشرفته، شبیه‌سازی دیجیتال و ربات‌های انسان‌نما می‌تواند مسیر ورود هوش مصنوعی به محیط‌های فیزیکی را هموارتر کند. Gemini Robotics 2.5 نشان می‌دهد که رقابت در صنعت هوش مصنوعی دیگر تنها به تولید متن و تصویر محدود نیست و توانایی درک، تصمیم‌گیری و تعامل با دنیای واقعی به یکی از مهم‌ترین جبهه‌های توسعه فناوری تبدیل شده است.

منبع خبر: arstechnica