- حقق نموذج Gemini Robotics 2.5 معدل نجاح 96% في اختبارات المصنع.
- يمكن للنموذج تحويل المعلومات البصرية إلى حركات فعلية للروبوت.
- حسّنت Google من قدرة النموذج على التعامل مع المخاطر الفيزيائية.
- زاد Gemini 4 Argon من سرعة تطوير نماذج الروبوتات.
أعلنت Google DeepMind عن إطلاق نموذج Gemini Robotics 2.5، الذي يهدف إلى مساعدة الروبوتات على تعلم المهام الفيزيائية بشكل أسرع، ومعالجة العناصر الدقيقة، والعمل بشكل أكثر موثوقية في البيئات الحقيقية. حقق النموذج معدل نجاح 96% في إثبات مفهوم المصنع الذي يتضمن الروبوت البشري Apollo 2 من Apptronik، والذي تم تنفيذه في خط إنتاج مرسيدس-بنز. تقوم هذه الروبوتات تلقائيًا بفرز قطع غيار السيارات من صناديق كبيرة إلى صواني مرتبة، وتحضير المكونات بالترتيب المطلوب لتسهيل تجميع السيارات.
تمت التجارب في منشآت الإنتاج في كيتشكيمايت في المجر وسيندلفينغن في ألمانيا. قالت Google إن هذا العمل يمكن أن يساعد في أتمتة المهام المتكررة والتي تتطلب جهدًا بدنيًا، بينما يمكّن فنّي المصنع من التركيز على أعمال التجميع الأكثر تعقيدًا.
وظائف وتطبيقات Gemini 2.5
يعتبر Gemini Robotics 2.5 أحدث نموذج للرؤية-اللغة-الحركة (VLA) من الشركة، والذي يمكنه تحويل المعلومات البصرية والتعليمات إلى حركات فعلية للروبوت. حاليًا، يتم طرح النموذج على شركاء Google في مجال الروبوتات.
تم تقييم النموذج في أكثر من 200 مهمة مختلفة، بما في ذلك تقديم الطعام باستخدام الملقط، ربط شريط الهدايا، ونقل السوائل باستخدام الماصة. اختبرت هذه الأنشطة مجموعة متنوعة من القدرات، بدءًا من التعامل مع العناصر الدقيقة إلى التعامل مع المواد المرنة واستخدام الأدوات اليومية. مقارنةً بالمعايير السابقة، زاد معدل نجاح النموذج في المهام بنسبة تتراوح بين 30% إلى 100%، ووفقًا لبيانات Google، زادت سرعة إكمال الأنشطة بنسبة تتراوح بين 20% إلى 30%. يمكن للنموذج العمل على منصات روبوتية مختلفة، بما في ذلك الروبوت البشري Apollo 2 من Apptronik ونظام Franka Duo الذي يستخدم الملاقط المتوازية ذات الإصبعين.
في عرض مرسيدس-بنز، تتبع نموذج Google للاستدلال Gemini Robotics ER سير العمل، بينما يتحكم Gemini Robotics 2.5 في ذراعي الروبوت ويديه. يقوم Apollo 2 بإزالة الحوامل المعدنية من صناديق التوريد ووضعها في حاويات الفرز، مع تعديل حركته عند الحاجة.
تحسينات في الأمان والتكيف
بالإضافة إلى المرونة، حسّنت Google من قدرة النموذج على التعامل مع المخاطر الفيزيائية. تساعد إرشادات وقت الاستدلال الروبوتات على تجنب العقبات والعمل بين الحشود. في تقييمات الشركة، أدت هذه القدرة إلى زيادة معدل إكمال المهام الآمنة حول العقبات بنسبة 33%، وزيادة بنسبة 43% عند الاقتراب من الأشخاص. كما أطلقت Google ASIMOV-Jailbreak، وهو معيار مفتوح المصدر لاختبار قدرة أنظمة الروبوتات على مقاومة التعليمات الخطرة المتخفية. يحتوي هذا المعيار على مئات المحفزات التي تغطي عشرات السيناريوهات.
أفادت Google أن Gemini 4 Argon حقق مقاومة بنسبة 99.5% في هذه المحاولات للهروب، بينما كانت نسبة مقاومة نموذج Gemini Robotics ER 2 السابقة 82%. كما ذكرت الشركة أن Gemini 4 Argon قد سرّع من تطوير نماذج الروبوت الجديدة. يمكن للنظام توليد آلاف التدريبات المحاكاة من لقطات العالم الحقيقي، وإنشاء توائم رقمية للبيئات المادية. يمكن للباحثين دمج هذه المحاكاة مع العروض التدريبية الفعلية لمساعدة الروبوتات على تعميم مهاراتها على الأجسام والبيئات غير المألوفة.
يمكن لـ Argon أيضًا تحليل المحاولات الفاشلة وتقديم اقتراحات تحسين للتدريبات المستقبلية.
تشير هذه التقدمات إلى دفع Google الأخير لإدخال روبوتات أكثر تكيفًا في البيئات الصناعية واليومية. ومع ذلك، فإن معدل نجاح 96% في المصنع لا يزال يعتبر إثبات مفهوم، وليس دليلًا على نشر تجاري واسع النطاق. يتم حاليًا طرح Gemini Robotics 2.5 على شركاء Google في مجال الروبوتات.
الإمكانات التجارية والتحديات لنموذج Gemini Robotics 2.5
يظهر إطلاق Gemini Robotics 2.5 تقدمًا كبيرًا من Google في تكنولوجيا الروبوتات، خاصة في مجال أتمتة المصانع. على الرغم من أن نتائج الاختبار التي حققت معدل نجاح 96% مشجعة، إلا أنه يجب الانتباه إلى أن هذا لا يزال إثبات مفهوم، ولم يتم تحديد التطبيقات التجارية المستقبلية بعد. بالإضافة إلى ذلك، تُظهر التحسينات في التعامل مع المخاطر الفيزيائية وزيادة الأمان إمكانياتها في البيئات اليومية. مع استمرار تطور التكنولوجيا، ستصبح كيفية تسويق هذه الأنظمة الروبوتية بشكل فعال تحديًا يجب على Google مواجهته.