Προσθήκη του -.gr ως προτεινόμενη πηγή στην Google
Η κούρσα της Τεχνητής Νοημοσύνης μόλις πέρασε σε εντελώς νέο, φυσικό επίπεδο και τα δεδομένα αλλάζουν ραγδαία. Η Google DeepMind προχώρησε στα επίσημα αποκαλυπτήρια του Gemini Robotics 2, μιας ολοκαίνουργιας πλατφόρμας που υπόσχεται να δώσει στα ρομπότ πρωτοφανή αυτονομία, ταχύτητα αντίληψης και νοημοσύνη. Ξεχάστε τα παλιά, στατικά ρομποτικά χέρια που απλώς δίπλωναν χαρτιά πάνω σε ένα τραπέζι ή έκαναν μονότονες κινήσεις. Η νέα γενιά μοντέλων φέρνει στο προσκήνιο αυτό που η εταιρεία ονομάζει “intelligent whole-body control”, επιτρέποντας στα ανθρωποειδή να κινούν ολόκληρο το σώμα τους με αρμονία, από τις άκρες των ποδιών μέχρι τα ακροδάχτυλα.
Σε ένα άκρως εντυπωσιακό βίντεο που δόθηκε στη δημοσιότητα από τη Google, βλέπουμε το υπερσύγχρονο ρομπότ Apollo 2 της εταιρείας Apptronik να εκτελεί απρόσκοπτα σύνθετες εντολές στην καθημερινότητα. Όταν, για παράδειγμα, του ζητήθηκε να βάλει ένα ποτιστήρι σε έναν πράσινο κάδο στο κάτω ράφι, το ρομπότ δεν κούνησε απλά το χέρι του. Υπολόγισε την ακριβή διαδρομή, περπάτησε μέχρι το τραπέζι, έπιασε το ποτιστήρι, έκανε μερικά βήματα προς τη σωστή κατεύθυνση, λύγισε τα γόνατα και τη μέση του για να φτάσει χαμηλά, και τοποθέτησε το αντικείμενο με απόλυτη ακρίβεια στον στόχο. Όλα αυτά συνέβησαν απλώς μεταφράζοντας μια απλή, καθημερινή φωνητική εντολή σε πολύπλοκες κινητικές και χωρικές λειτουργίες!
Οι τρεις “εγκέφαλοι” πίσω από την τεχνολογική επανάσταση
Η πραγματική μαγεία του Gemini Robotics 2 δεν κρύβεται σε ένα, αλλά σε τρία διαφορετικά μοντέλα που συνεργάζονται άψογα μεταξύ τους για το τελικό αποτέλεσμα:
- Gemini Robotics 2: Πρόκειται για το βασικό VLA (vision-language-action) μοντέλο. Η δουλειά του είναι να μεταφράζει αστραπιαία όσα βλέπει και ακούει το ρομπότ σε πραγματική, απτή κίνηση.
- Gemini Robotics ER 2: Το μοντέλο ανώτερης “λογικής” (Embodied Reasoning). Λειτουργεί ως ο κεντρικός εγκέφαλος υψηλού επιπέδου που κατανοεί τον χώρο, σχεδιάζει πολύπλοκες εργασίες πολλαπλών βημάτων και επιτρέπει ακόμα και τη συνεργασία μεταξύ διαφορετικών ρομπότ (όπως ένα ανθρωποειδές και ένας μηχανικός σκύλος) για την ολοκλήρωση ενός κοινού στόχου.
- Gemini Robotics On-Device 2: Μια ελαφριά, βελτιστοποιημένη έκδοση που τρέχει εξ ολοκλήρου τοπικά στο hardware του ρομπότ. Δεν χρειάζεται καθόλου σύνδεση στο internet, εξασφαλίζοντας μηδενικό latency (καθυστέρηση) και μπορεί να προσαρμοστεί σε ένα εντελώς νέο ρομποτικό σώμα μέσα σε λίγες μόνο ώρες εκπαίδευσης!
Εντυπωσιακό βήμα, αλλά με ρεαλιστικά περιθώρια βελτίωσης
Εκτός από τις κινήσεις του κορμού, οι δυνατότητες dexterity (επιδεξιότητας) έχουν ανέβει επίπεδο. Χρησιμοποιώντας τα προηγμένα ρομποτικά χέρια SharpaWave των 22 αρθρώσεων, το ρομπότ μπορεί πλέον να εκτελέσει μικρο-κινήσεις: να δέσει κόμπους σε καλώδια, να βιδώσει λάμπες ή ακόμα και να κλείσει αεροστεγώς μια σακούλα απορριμμάτων. Ωστόσο, προς τιμήν της, η ίδια η DeepMind παραμένει απόλυτα προσγειωμένη, δημοσιεύοντας αναλυτικά στοιχεία που δείχνουν πως η τεχνολογία έχει δρόμο ακόμα. Σε εργασίες ακριβείας, όπως το κλείσιμο της ziplock σακούλας, το ποσοστό επιτυχίας κυμαίνεται στο 40-44%, ενώ οι κινήσεις παραμένουν αρκετά πιο αργές σε σχέση με τις φυσικές ανθρώπινες, καθώς το σύστημα χρειάζεται χρόνο για να “σκεφτεί” και να αναλύσει την επόμενη κίνησή του.
Παρά τα όποια εμπόδια ταχύτητας, το βήμα παραμένει τεράστιο για τον χώρο. Το όραμα ενός ενιαίου, “έξυπνου” AI οικοσυστήματος που θα ελέγχει ρομπότ σε εργοστάσια, χώρους εργασίας ή ακόμα και στα ίδια μας τα σπίτια, έρχεται ολοένα και πιο κοντά. Φανταστείτε έναν ψηφιακό βοηθό που δεν απαντάει απλώς σε ερωτήσεις, αλλά συγυρίζει και το δωμάτιο!
