Gemini Robotics 2 traz a IA do Google para o mundo físico

Google DeepMind apenas lançou uma nova versão de seu modelo de inteligência artificial Gêmeose pode controlar uma variedade de robôs diferentes, incluindo humanóides capaz de tarefas hábeis como enroscar lâmpadas e amarrar sacos de lixo.

Gemini Robotics 2 combina vários modelos de IA diferentes em um único sistema. Juntos, eles permitem que um robô entenda o que o rodeia e como agir nele. Um modelo de linguagem de visão (VLM), que compreende imagens e vídeos, pode se comunicar com humanos e raciocinar sobre como realizar diferentes tarefas. Dois modelos de ação de linguagem de visão (VLA), treinados para entender como se mover no espaço físico, controlam o movimento de corpo inteiro do robô, bem como os movimentos das garras ou das mãos.

Em demonstrações de vídeo compartilhadas antes do lançamento, a empresa mostrou vários robôs diferentes executando tarefas complexas de forma autônoma usando o modelo amalgamado. Em uma demonstração, o robô Apollo 2 da Apptronik usou as mãos de uma empresa chamada Sharpa para arrumar as prateleiras. O Google DeepMind treinou o modelo para executar essas tarefas usando uma combinação de teleoperação humana, exemplos de vídeo e simulações – ainda não é possível que os modelos de IA executem uma ampla gama de tarefas complexas sem treinamento específico.

Embora Antrópico e OpenAI assumiram a liderança com chatbots e ferramentas de codificação de IA, o Google tem um histórico mais forte em pesquisa robótica e publicado importante trabalhar sobre o uso de IA para treinar robôs para fazer coisas úteis. O lançamento é outro sinal de que o gigante das buscas está apostando que a IA precisará se libertar do mundo digital para realizar todo o seu potencial. (Anteriormente fez parceria com Dinâmica de Bostonlíder em robôs com pernas, para fornecer o cérebro para essas máquinas.)

“É mais um marco em nosso caminho para realmente chegar ao que chamamos de AGI físico, o que significa que conseguimos que um robô faça tudo o que um ser humano pode fazer”, disse Carolina Parada, chefe de robótica do Google DeepMind, à WIRED.

Dar aos modelos de IA de ponta acesso a robôs para que eles possam passear pelos locais de trabalho ou casas e manipular objetos, no entanto, traz riscos. Pesquisas anteriores mostraram que o uso de IA de fronteira para controlar robôs pode produzir resultados inesperados e comportamento às vezes perigoso. E a ideia de que esses modelos podem realizar ações repentinas ou indesejadas no mundo digital tornou-se aparente recentemente, quando um agente de IA inédito desenvolvido pela OpenAI hackeado vários sistemas.

“A questão da segurança é ainda mais urgente porque você os coloca em muitas outras situações”, diz Parada. “Há muita incerteza que surgirá e, portanto, você deseja ser capaz de compreender a questão da segurança mais profundamente.”

Parada diz que o Google adota uma abordagem de segurança em várias camadas, com grades de proteção aplicadas em cada camada do modelo. Também está introduzindo o ASIMOV-Agentic, uma nova referência para medir a segurança de vários sistemas de IA que colaboram para controlar um robô. O benchmark detecta se um comando resultará em resultado prejudicial ou incerto.

O CEO da empresa, Demis Hassabis, anteriormente disse à WIRED que ele espera desenvolver um sistema operacional de IA para muitos robôs diferentes, semelhante ao sistema operacional Android para smartphones.