Google DeepMind ரோபோக்களை முழு உடல் கட்டுப்பாட்டை நோக்கி தள்ளுகிறது

DeepMind தனது ரோபோடிக்ஸ் முயற்சியை விரிவுபடுத்துகிறது

Google DeepMind Gemini Robotics 2-ஐ அறிமுகப்படுத்தியுள்ளது; இது கைப்பகுதிகள் அல்லது டேபிள்டாப் கையாளுதலுக்கு மட்டுமே கட்டுப்பட்ட ரோபோடிக் அமைப்புகளைத் தாண்டி, விரிவான முழு-உடல் தன்னாட்சி நோக்கி ஒரு படியாக முன்வைக்கப்படுகிறது. The Robot Report படி, இந்தப் புதுப்பிக்கப்பட்ட vision-language-action model புத்திசாலியான முழு-உடல் கட்டுப்பாடு, அதிக dexterity மற்றும் பல ரோபோட்கள் ஒன்றாகச் செயல்பட உதவும் ஆதரவைச் சேர்க்கிறது.

இந்த அறிவிப்பு முக்கியமானது, ஏனெனில் இது ரோபோடிக்ஸில் நீடித்த ஒரு இடைவெளியை இலக்கு செய்கிறது. பல அமைப்புகள் கட்டுப்படுத்தப்பட்ட சூழல்களில் கவனமாக ஒழுங்குபடுத்தப்பட்ட கையாளுதல் பணிகளைச் செய்ய முடியும், ஆனால் perception, language understanding மற்றும் ஒருங்கிணைந்த இயக்கத்தை முழு humanoid உடலுக்குள் இணைக்கக் கூடியவை மிகக் குறைவு. Gemini Robotics 2, நடப்பு, குனிதல், நீட்டிப்பு மற்றும் பொருட்களை கையாளுதல் போன்ற இயக்கங்களை ஒரு ஒரே பணியின் பகுதியாக காரணமிட்டு செயல்படுத்த அனுமதிப்பதன் மூலம் அந்த எல்லைக்கு நெருங்குகிறது என்பதே DeepMind-ன் வாதம்.

இதனால் பொதுப் பயன்பாட்டுக்கான humanoids வந்துவிட்டன என்று அர்த்தமில்லை. இயக்க வேகம் இன்னும் மேம்பட வேண்டும் என்று அறிக்கை கவனமாக குறிப்பிடுகிறது. ஆனால் இந்த வெளியீட்டை, multimodal AI-யை டேபிள்டாப் demo அடுக்கிலிருந்து மேலும் யதார்த்தமான உடல் பணிக்கான controller-ஆக மாற்றும் முக்கியப் படியாக அது பார்க்கிறது.

மேல்-உடல் டெமோக்களிலிருந்து முழு-உடல் செயற்பாட்டிற்கு

DeepMind-ன் முந்தைய model-கள் டேபிள்டாப் பணிகளுக்கான upper-body control மீது கவனம் செலுத்தின. அதற்கு மாறாக, Gemini Robotics 2 முழு robot body-யை நிர்வகிக்கக் கூடியதாக விவரிக்கப்படுகிறது. The Robot Report-ன் படி, இந்த system பயனர் நோக்கத்தை ஒருங்கிணைந்த முழு-உடல் இயக்கமாக மாற்ற முடியும்; இதனால் humanoid ஒன்று இடத்தைத் தாண்டிச் செல்லவும், locomotion மற்றும் manipulation இரண்டையும் உள்ளடக்கிய பணிகளை முடிக்கவும் முடிகிறது.

அறிக்கையில் உள்ள ஒரு உதாரணத்தில் Apptronik-ன் Apollo 2 humanoid robot பயன்படுத்தப்படுகிறது. கீழ்தள அலமாரியில் உள்ள பச்சை bin-இல் watering can-ஐ வைக்குமாறு அறிவுறுத்தப்பட்டபோது, ரோபோட் அந்த வேண்டுகோளை புரிந்து, மேசை நோக்கி நடந்து, பொருளை எடுத்து, அறையை கடந்துசென்று, இலக்கிடத்தில் வைக்கும் என்று கூறப்படுகிறது. இந்த வரிசை ஒவ்வொரு படியும் புதிதாக இருப்பதால் அல்ல; natural-language instruction, object handling, walking மற்றும் துல்லியமான placement-ஐ ஒரே தொடர்ச்சியான நடத்தை ஆக இணைப்பதால் குறிப்பிடத்தக்கது.

இந்த திறன்கள் கட்டுப்படுத்தப்பட்ட demo-களுக்கு வெளியிலும் உறுதியானவையாக நிரூபித்தால், humanoid platforms முயற்சிக்கக்கூடியவற்றில் நடைமுறை விரிவாக்கமாக இருக்கும். warehouses, laboratories மற்றும் service settings பெரும்பாலும் நிலையான workstation-ல் தனித்த arm motion-களைவிட mobility மற்றும் manipulation கலவையையே தேவைப்படுத்துகின்றன.

Dexterity மற்றும் collaboration மற்ற தலைப்பு அம்சங்கள்

DeepMind மேலும் நுண்ணிய motor control-ஐ வலியுறுத்துகிறது. The Robot Report-ன் படி, Gemini Robotics 2 Apollo 2-இல் உள்ள five-fingered, 22-degree-of-freedom SharpaWave hand-ஐ கட்டுப்படுத்த முடியும். இது நிறுவனம் பெரிய இயக்கம் மட்டுமன்றி, பயனுள்ள grasping மற்றும் placement-க்கு தேவைப்படும் நுட்பமான விரல் மற்றும் கை நடத்தையிலும் பணியாற்றுகிறது என்பதைக் காட்டுகிறது.

Dexterity என்பது உண்மை உலக ரோபோடிக்ஸின் மிகவும் கடினமான பகுதிகளில் ஒன்றாகவே உள்ளது. ஒரு ரோபோட் ஒரு அறையை கடந்து நடக்க முடிந்தாலும், கலந்த பொருட்களை நம்பகமாக பிடிக்க, அவற்றை சரியாக சீரமைக்க மற்றும் cluttered environments-இல் தொடர்பு கொள்ள முடியாவிட்டால் அதன் மதிப்பு குறைவாகவே இருக்கும். மேம்பட்ட hand control-ஐ முன்னிறுத்துவதன் மூலம், DeepMind தனது robotics stack நெவிகேஷன் மற்றும் language interpretation-ஐ மட்டும் அல்லாது, manipulation பிரச்சினையின் மேலும் பல பகுதிகளை உள்ளடக்க விரும்புகிறது என்பதைக் காட்டுகிறது.

நிறுவனம் multi-robot collaboration-ஐயும் அறிமுகப்படுத்துகிறது. Gemini Robotics ER 2 என்பது vision-language model agent ஆக உருவாக்கப்பட்ட embodied reasoning model; இது ரோபோட்கள் மனிதர்களுடன் தொடர்பு கொள்ள, உடல் உலகைப் புரிந்துகொள்ள மற்றும் பல நிமிடங்கள் நீளும் பல-படி பணிகளை திட்டமிட உதவும் வகையில் வடிவமைக்கப்பட்டுள்ளது என அறிக்கை கூறுகிறது. DeepMind அந்த reasoning layer-ஐ தனித்தனி இயந்திரங்களாக அல்லாது ஒரு பணியில் சேர்ந்து செயல்படும் ரோபோட் குழுக்களின் அடித்தளமாக நிலைநிறுத்துகிறது.

இந்தக் கருத்து стратегically முக்கியமானது. தொழில்துறை automation-இல், ஒரு robotics system-ன் மதிப்பு பல நேரங்களில் பல இயந்திரங்கள் மற்றும் workflows-இல் orchestration-ஐப் பொறுத்தது. AI models handoff-களை ஒருங்கிணைக்க அல்லது ரோபோட்களுக்கிடையே பணியைப் பகிர முடிந்தால், deployment economics மேலும் நெகிழ்வான automation பக்கம் மாறலாம்.

On-device execution deployment-ஐ விரிவாக்கலாம்

மற்றொரு குறிப்பிடத்தக்க அம்சம் local execution. The Robot Report-ன் படி, Gemini Robotics 2 on-device-ல் இயங்கி, சில மணி நேரங்களில் முற்றிலும் புதிய robot bodies-க்கு ஏற்றுக்கொள்ள முடியும். DeepMind தனியாக Gemini Robotics On-Device 2-ஐ அறிமுகப்படுத்தியுள்ளது; இது robotic hardware-ல் locally இயங்குமாறு optimize செய்யப்பட்டதாகவும், சில மணி நேர data-வுடன் புதிய embodiments-க்கு பொருந்தக் கூடியதாகவும் நிறுவனம் கூறுகிறது.

இந்தக் கூற்று ரோபோடிக்ஸ் deployment-இன் இரண்டு உண்மை கட்டுப்பாடுகளைத் தொட்டு பேசுகிறது. முதலில், cloud dependence latency, reliability concerns மற்றும் operational complexity-ஐ அதிகரிக்கலாம். இரண்டாவது, robotics developers ஒவ்வொரு புதிய platform-க்கும் system-ஐ புதிதாக retrain செய்ய விரும்பவில்லை. வெவ்வேறு embodiments-க்கு விரைவாக retarget செய்யக்கூடிய model, hardware makers மற்றும் integration cycles-ஐ குறைக்க முயலும் enterprise customers-க்கு மேலும் ஈர்ப்பாக இருக்கும்.

ஆனால் availability இன்னும் குறைவு. The Robot Report கூறுவதன்படி, Gemini Robotics ER 2 Google AI Studio-வில் கிடைக்கிறது மற்றும் Gemini Enterprise Agent Platform-இல் private preview-வில் உள்ளது, VLA மற்றும் on-device model-கள் early-access partners-க்கு வழங்கப்படுகின்றன. அதாவது இந்த அறிவிப்பு இன்னும் பரந்த product release-ஐ விட கட்டுப்படுத்தப்பட்ட rollout-க்கு அருகில் உள்ளது.

Physical AI-க்கு இந்த வெளியீடு என்ன குறிக்கிறது

முக்கியமான செய்தி என்னவெனில், பெரிய AI நிறுவனங்கள் digital assistants-இல் மட்டும் அல்லாமல் physical systems-இலும் தீவிரமாக முன்னேறுகின்றன. DeepMind-ன் framing, multimodal model-கள் understanding-ஐ action-உடன் இணைக்க முடியும் என்பதை நிரூபிக்க வேண்டிய அடுத்த தளம் robotics என அது பார்க்கிறது என்பதைக் காட்டுகிறது. Language, vision மற்றும் planning பயனுள்ளவை, ஆனால் robotics-இல் அவை குழப்பமான உண்மையான இடங்களில் நம்பகமான இயக்கத்தை உருவாக்கினால் மட்டுமே முக்கியம்.

Gemini Robotics 2, humanoids தான் வெல்லும் form factor எனத் தீர்மானிக்கவில்லை, foundation-model-style control நம்பகத்தன்மை பிரச்சினையைத் தீர்த்துவிட்டது என்றும் நிரூபிக்கவில்லை. ஆனால் இந்தத் துறை எங்கே செல்கிறது என்பதை இது காட்டுகிறது: வெவ்வேறு robot bodies-இல் பொதுவாகப் பயன்படக்கூடிய, locally execute செய்யக்கூடிய, locomotion மற்றும் dexterity இரண்டையும் பயன்படுத்தக்கூடிய, மேலும் multi-step tasks-இல் பிற ரோபோட்களுடன் ஒத்துழைக்கக்கூடிய model-களுக்குத் திசைதிருப்பம்.

ஏன் இது முக்கியம்

• இந்த release AI control-ஐ டேபிள்டாப் கையாளுதலிலிருந்து முழு-உடல் robot motion-க்கு விரிவாக்குகிறது.
• DeepMind locomotion-ஐ dexterous hand control-உடன் இணைக்கிறது, இது நடைமுறைப் பணிக்கான முக்கியத் தேவை.
• On-device operation மற்றும் வேகமான adaptation புதிய hardware-க்கு integration தடைகளை குறைக்கலாம்.
• Multi-robot collaboration தனிப்பயன் இயந்திரங்களுக்குப் பதிலாக பரந்த automation systems-ஐ சுட்டிக்காட்டுகிறது.

உடனடி சோதனை என்னவெனில், early-access partners இந்த திறன்களை showcase scenarios-க்கு அப்பாலும் மீண்டும் நிரூபிக்க முடியுமா என்பதே. அவர்கள் முடித்தால், Gemini Robotics 2 multimodal AI demos-இலிருந்து மேலும் திறனுள்ள physical automation-க்கு மாற்றத்திலுள்ள முக்கிய அடையாளமாக மாறலாம்.

இந்த கட்டுரை The Robot Report செய்தி அடிப்படையில் எழுதப்பட்டது. மூலக் கட்டுரையைப் படிக்கவும்.