Gemini Robotics: новый подход к управлению роботами через ИИ

Google представила систему Gemini Robotics, которая выводит агентов искусственного интеллекта в физический мир. Компания разработала усовершенствованную агентную систему для управления роботами. Способную лучше рассуждать и планировать, взаимодействовать с человеком и использовать инструменты типа веб-поиска.

Внутри системы одновременно работают 2 модели. Gemini Robotics-ER 1.5 и Gemini Robotics 1.5 выполняют разные функции в управлении роботами. Первая модель служит высокоуровневым мозгом, анализирует окружающую среду и действия или команды людей, составляет подробный план выполнения задачи и при необходимости вызывает инструменты.

Gemini Robotics 1.5 выступает исполнителем, который преобразует инструкции в точные двигательные команды для робота. Например, при запросе правильно рассортировать мусор исходя из местоположения пользователя система работает поэтапно.

Gemini Robotics-ER 1.5 анализирует запрос, обращается в интернет для понимания правил сортировки мусора в конкретной стране. Оценивает имеющийся мусор и отдаёт команды типа бутылку в левую кучку, салфетку в правую. Модель выдаёт трейс своего рассуждения, делая систему более интерпретируемой.

Gemini Robotics 1.5 принимает команды от ER и преобразует их в точные траектории движения. Если в процессе в окружающей среде что-то меняется, ER замечает это и корректирует инструкции. При изменении формы робота адаптировать всю систему не нужно, достаточно настроить вторую модель.

Gemini Robotics 1.5 представляет собой модель зрение-язык-действие, превращающую визуальную информацию и инструкции в команды для робота, размышляя перед действием и объясняя свой процесс. Gemini Robotics-ER 1.5 отвечает за планирование и логические решения, умеет вызывать цифровые инструменты и создавать пошаговые планы.

Модели позволяют роботам выполнять сложные многошаговые задачи, учиться на разных типах устройств и действовать более прозрачно и безопасно.