Google DeepMind रोबोटांना संपूर्ण-शरीर नियंत्रणाच्या दिशेने नेत आहे

DeepMind आपल्या रोबोटिक्स मांडणीचा विस्तार करत आहे

Google DeepMind ने Gemini Robotics 2 सादर केले आहे, आणि ते हातांपुरते किंवा टेबलटॉप मॅनिप्युलेशनपुरते मर्यादित असलेल्या रोबोटिक प्रणालींपेक्षा पुढचे पाऊल आणि व्यापक संपूर्ण-शरीर स्वायत्ततेकडे जाणारी प्रगती म्हणून मांडले आहे. The Robot Report नुसार, या अद्ययावत vision-language-action model मध्ये बुद्धिमान संपूर्ण-शरीर नियंत्रण, अधिक dexterity आणि अनेक रोबोटांनी एकत्र काम करण्यासाठी समर्थन जोडले आहे.

ही घोषणा महत्त्वाची आहे, कारण ती रोबोटिक्समधील एक सतत राहिलेली पोकळी लक्ष्य करते. अनेक प्रणाली नियंत्रित वातावरणात काळजीपूर्वक टप्प्याटप्प्याने केलेली मॅनिप्युलेशन कामे करू शकतात, पण संपूर्ण humanoid शरीरभर perception, language understanding आणि समन्वित हालचाल एकत्र करणारी प्रणाली फारच कमी आहे. DeepMind चा दावा आहे की Gemini Robotics 2 चालणे, वाकणे, ताणणे आणि वस्तू हाताळणे अशा हालचाली एकाच कार्याचा भाग म्हणून तर्कशुद्धपणे जोडून त्या मर्यादेच्या अधिक जवळ जाते.

याचा अर्थ सर्वसामान्य-उद्देश humanoids आले आहेत असा नाही. हालचालीचा वेग अजून सुधारणे गरजेचे आहे, असे अहवालात काळजीपूर्वक नमूद केले आहे. पण ही आवृत्ती multimodal AI ला टेबलटॉप demo layer मधून अधिक वास्तववादी भौतिक कामासाठी controller मध्ये रूपांतरित करण्याच्या दिशेने एक महत्त्वाचे पाऊल म्हणून मांडली आहे.

वरच्या-शरीराच्या डेमोपासून संपूर्ण-शरीर कृतीकडे

DeepMind चे आधीचे model टेबलटॉप कामांसाठी upper-body control वर लक्ष केंद्रित करत होते. याच्या उलट, Gemini Robotics 2 संपूर्ण robot body हाताळणारी प्रणाली म्हणून वर्णन केली जाते. The Robot Report म्हणते की ही प्रणाली वापरकर्त्याच्या हेतूचे समन्वित संपूर्ण-शरीर हालचालीत रूपांतर करू शकते, ज्यामुळे humanoid ला जागेत फिरता येते आणि locomotion तसेच manipulation दोन्ही आवश्यक असलेली कामे पूर्ण करता येतात.

अहवालातील एका उदाहरणात Apptronik च्या Apollo 2 humanoid robot चा वापर केला आहे. खालच्या शेल्फवरील हिरव्या bin मध्ये watering can ठेवायला सांगितल्यावर, रोबोट विनंती समजतो, टेबलकडे चालतो, वस्तू उचलतो, खोलीतून पुढे जातो आणि ती लक्ष्य ठिकाणी ठेवतो, असे सांगितले जाते. ही मालिका केवळ कोणताही एक टप्पा अभूतपूर्व आहे म्हणून नाही तर natural-language instruction, object handling, walking आणि अचूक placement यांना एक अखंड वर्तनात एकत्र केल्यामुळे लक्षवेधी ठरते.

त्या क्षमता नियंत्रित डेमोच्या बाहेरही ठोस ठरल्या, तर humanoid platform काय करू शकतात याचा व्यावहारिक विस्तार होईल. warehouses, laboratories आणि service settings यांना स्थिर workstation वर स्वतंत्र arm motionsपेक्षा नेमके mobility आणि manipulation चे हे मिश्रणच अधिक लागते.

Dexterity आणि collaboration ही इतर ठळक वैशिष्ट्ये

DeepMind सूक्ष्म motor control वरही भर देत आहे. The Robot Report म्हणते Gemini Robotics 2 Apollo 2 वरील five-fingered, 22-degree-of-freedom SharpaWave hand नियंत्रित करू शकते. यावरून दिसते की कंपनी फक्त gross motor movement वर काम करत नाही, तर उपयुक्त grasping आणि placement साठी लागणाऱ्या अधिक नाजूक बोटांच्या आणि हाताच्या हालचालींवरही काम करत आहे.

Dexterity हे प्रत्यक्ष जगातील रोबोटिक्समधील सर्वात कठीण भागांपैकी एक आहे. एखादा रोबोट खोलीत चालू शकतो, पण मिश्र वस्तू विश्वासार्हपणे पकडू शकत नसेल, त्यांना योग्य प्रकारे वळवू शकत नसेल आणि cluttered environments मध्ये काम करू शकत नसेल, तर त्याचे मूल्य मर्यादितच राहते. प्रगत hand control अधोरेखित करून DeepMind असा संकेत देत आहे की त्यांना आपला robotics stack केवळ navigation आणि language interpretation नव्हे, तर manipulation समस्येचाही मोठा भाग कव्हर करायचा आहे.

कंपनी multi-robot collaboration देखील सादर करत आहे. अहवालानुसार, Gemini Robotics ER 2 हा vision-language model agent म्हणून तयार केलेला embodied reasoning model आहे, जो रोबोटांना माणसांशी संवाद साधायला, भौतिक जग समजायला आणि काही मिनिटे चालणाऱ्या बहु-टप्प्यांच्या कामांची योजना आखायला मदत करतो. DeepMind त्या reasoning layer ला वेगळ्या मशीन्ससारखे न वागता कामात एकत्र काम करणाऱ्या रोबोटांच्या संघटनेचा पाया मानत आहे.

हा मुद्दा धोरणात्मकदृष्ट्या महत्त्वाचा आहे. औद्योगिक automation मध्ये एखाद्या robotics system चे मूल्य अनेकदा अनेक machines आणि workflows मधील orchestration वर अवलंबून असते. AI models जर handoffs समन्वित करू शकले किंवा रोबोटांमध्ये काम वाटू शकले, तर deployment economics अधिक लवचिक automation च्या बाजूने बदलू शकतात.

On-device execution deployment अधिक व्यापक करू शकते

आणखी एक उल्लेखनीय घटक म्हणजे local execution. The Robot Report नुसार Gemini Robotics 2 on-device चालू शकते आणि पूर्णपणे नवीन robot bodies शी काही तासांत जुळवून घेऊ शकते. DeepMind ने स्वतंत्रपणे Gemini Robotics On-Device 2 सादर केले आहे, जे robotic hardware वर स्थानिकपणे चालण्यासाठी ऑप्टिमाइझ केले आहे आणि काही तासांच्या data सह नवीन embodiments शी जुळवून घेऊ शकते, असे ते म्हणतात.

हा दावा रोबोटिक्स deployment मधील दोन प्रत्यक्ष मर्यादा हाताळतो. पहिले, cloud dependence latency, reliability concerns आणि operational complexity वाढवू शकते. दुसरे, robotics developers प्रत्येक नवीन platform साठी प्रणाली पुन्हा सुरुवातीपासून retrain करू इच्छित नाहीत. वेगवेगळ्या embodiments साठी जलद retarget करता येणारे model hardware makers आणि integration cycles कमी करू इच्छिणाऱ्या enterprise customers साठी अधिक आकर्षक ठरेल.

मात्र उपलब्धता अजून मर्यादित आहे. The Robot Report सांगते की Gemini Robotics ER 2 Google AI Studio वर उपलब्ध आहे आणि Gemini Enterprise Agent Platform वर private preview मध्ये आहे, तर VLA आणि on-device models early-access partnersना दिले जात आहेत. म्हणजेच ही घोषणा अजून व्यापक product release पेक्षा नियंत्रित rollout च्या जवळ आहे.

Physical AI साठी या release चा अर्थ काय

मोठा संदेश असा आहे की प्रमुख AI कंपन्या केवळ digital assistants नव्हे, तर physical systems मध्येही अधिक आक्रमकपणे उतरल्या आहेत. DeepMind च्या मांडणीनुसार, multimodal models नी understanding ला action शी जोडता येते हे सिद्ध करायचे पुढचे क्षेत्र robotics आहे. Language, vision आणि planning उपयुक्त आहेत, पण robotics मध्ये त्यांना अर्थ तेव्हाच असतो जेव्हा त्या गोंधळलेल्या वास्तव जागांमध्ये विश्वासार्ह हालचाल निर्माण करतात.

Gemini Robotics 2 हे humanoidsच विजयी form factor आहेत का हे ठरवत नाही, आणि foundation-model-style control ने reliability problem सोडवली आहे हेही सिद्ध करत नाही. पण हे मात्र दाखवते की क्षेत्र कुठे जात आहे: वेगवेगळ्या robot bodies मध्ये generalize होऊ शकणाऱ्या, locally execute होऊ शकणाऱ्या, locomotion आणि dexterity दोन्ही वापरू शकणाऱ्या, आणि multi-step tasks मध्ये इतर रोबोटांशी समन्वय साधू शकणाऱ्या models कडे.

हे का महत्त्वाचे आहे

• हा release AI control ला tabletop manipulation मधून संपूर्ण-शरीर robot motion पर्यंत नेतो.
• DeepMind locomotion ला dexterous hand control सोबत जोडत आहे, जे practical work साठी मुख्य गरज आहे.
• On-device operation आणि जलद adaptation नवीन hardware साठी integration अडथळे कमी करू शकतात.
• Multi-robot collaboration single-purpose machines ऐवजी व्यापक automation systems कडे निर्देश करते.

तात्काळ चाचणी ही असेल की early-access partners हे capabilities showcase scenarios च्या बाहेर पुन्हा दाखवू शकतात का. ते शक्य झाले, तर Gemini Robotics 2 multimodal AI demonstrations मधून अधिक सक्षम physical automation कडे जाणाऱ्या संक्रमणातील एक महत्त्वाचा टप्पा ठरू शकतो.

हा लेख The Robot Report च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.