Google DeepMind, Gemini Robotics'i tanıttı

• Gemini 2.0'ı robotiğe taşıyarak, görme-dil-eylem (VLA) modeli ile uzamsal anlayışa sahip bir ER modeli duyurdu
• Google DeepMind, karmaşık problemleri çözmek için metin, görsel, ses ve videoyu kullanan çok modlu akıl yürütme yeteneklerini geliştiriyordu
• Ancak bu yetenekler şimdiye kadar yalnızca dijital ortamlarla sınırlıydı
• Yapay zekanın fiziksel dünyada faydalı olabilmesi için insan gibi çevreyi anlayıp tepki vermesi ve işleri güvenli şekilde yerine getirmesini sağlayan "bedensel akıl yürütme (embodied reasoning)" yeteneğine ihtiyaç var
• Bu doğrultuda iki yeni model duyuruldu
  • Gemini Robotics: Gemini 2.0 tabanlı, robotları doğrudan kontrol edebilen bir görme-dil-eylem (VLA) modeli
  • Gemini Robotics-ER: gelişmiş uzamsal kavrayış ve robot kontrol yetenekleri sunan model
• Apptronik ile iş birliği içinde yeni nesil insansı robotlar geliştiriliyor
• Az sayıdaki güvenilir test kullanıcısıyla birlikte model performansı iyileştiriliyor

Gemini Robotics: En gelişmiş görme-dil-eylem modeli

1. Genelleme yeteneği (Generality)

• Yeni durumlara uyum sağlayabiliyor ve çeşitli görevleri yerine getirebiliyor
• Yeni nesneler, komutlar ve ortamlarda yüksek performans gösteriyor
• Teknik rapora göre, mevcut VLA modellere kıyasla genelleme performansı 2 katın üzerinde arttı

2. Etkileşim yeteneği (Interactivity)

• Doğal dil komutlarını anlayıp yanıtlayabiliyor
• Farklı dillerde ve günlük konuşma dilindeki komutlara yanıt verebiliyor
• Ortamdaki değişikliklere gerçek zamanlı tepki vererek davranışını ayarlayabiliyor
• Bir nesne elinden kaysa ya da yeri değişse bile anında yeniden plan yaparak göreve devam edebiliyor

3. El becerisi (Dexterity)

• Hassas görevleri yerine getirme kabiliyeti güçlendirildi
• Karmaşık çok adımlı görevleri yapabiliyor (ör. origami, fermuarlı poşete atıştırmalık koyma)

4. Farklı robot biçimlerine uygulanabilirlik (Multiple embodiments)

• Çeşitli robot türlerine kolayca uygulanabiliyor
• ALOHA 2, Franka tabanlı robotlar ve insansı Apollo robotunda çalıştığı doğrulandı

Gemini Robotics-ER: Güçlendirilmiş uzamsal anlayış

• Gemini 2.0'ın uzamsal farkındalık ve 3D algılama performansı büyük ölçüde geliştirildi
• Robot, nesnelerin konumunu algılayıp uygun şekilde manipüle edebiliyor
• Kod üretme yeteneği ile birleştirilerek robotun yeni görev yöntemlerini anında oluşturabilmesi sağlandı
• Başarı oranı, Gemini 2.0'a kıyasla 2 ila 3 kat arttı
• Demo örneği: kahve fincanının kulpunu algılayıp güvenli bir rotadan yaklaşarak kaldırıyor

Yapay zeka ve robotlarda güvenliği artırma stratejisi

• Robotların fiziksel güvenlik sorunlarını çözmeye odaklanıyor
• Robotlar; çarpışma önleme, temas kuvvetini sınırlama ve dinamik dengeyi koruma gibi geleneksel güvenlik önlemlerini uyguluyor
• Gemini Robotics-ER, güvenlik endişesi oluştuğunda görevin yapılıp yapılmayacağını değerlendirip uygun şekilde yanıt veriyor
• Yeni ASIMOV veri kümesi yayımlandı → robot davranışlarının güvenliğini değerlendirmek ve iyileştirmek için
• Etik sorunları çözmek için iç sorumluluk ve güvenlik komiteleri ile dış uzmanlarla birlikte çalışılıyor

Başlıca iş ortakları ve gelecek planları

• Apptronik ile birlikte insansı robot geliştiriliyor
• Agile Robots, Agility Robots, Boston Dynamics, Enchanted Tools gibi şirketlerde Gemini Robotics-ER test ediliyor
• Gelecekte yapay zeka ve robotik teknolojilerinin geliştirilmesi sürdürülecek

İlgili bağlantılar

• Teknik raporu oku
• Gemini Robotics tanıtım sayfası

[GN⁺]

Hacker News görüşleri

• YouTube'da 20 video demoyu izleyebileceğiniz tam oynatma listesine bir bağlantı var
• Daha önce Google Gemini'nin etkileyici demolarının manipüle edildiğini hatırlayan kimse olup olmadığını merak ediyor
• Asimov'un robot yasalarının ilginç bir bilim kurgu unsuru olduğunu ama gerçek bilişimden uzak kaldığını düşünüyordu
  • Meğerse Asimov zamanının ötesinde davranıp LLM prompt'ları yazıyormuş
• Çöp ayırma daha kolay ve hızlı hale gelirse geri dönüşüm verimliliğini 100 kat artırabilir
  • Bunu zaten yapan yerler var ama robotların dünyayı iyileştirebileceği çok sayıda basit iş bulunuyor
• Ana videonun sonunda robotun kasnağa dairesel bir kayış taktığı sahne etkileyiciydi
  • Eğitim verilerinde buna benzer çok davranış vardır ama gömlek katlama ya da nesne sınıflandırmadan daha sezgisel geldi
  • Sayfadaki video otomatik oynatma/duraklatma/kaydırma işlevi bozuk gibi görünüyor
• Gerçek zamanlı çift yönlü çevirmen gibi çalışan bir cihaz istiyor
  • Almanca ya da başka bir dili öğrenmek için zaman harcamadan orada yaşayabilmek güzel olurdu
  • Sadece İngilizceyle yemek siparişi verebilmek ve resmi işlemleri halledebilmek inanılmaz olurdu
• Herkes Çin'den bir robot kol sipariş edip garajına kurabilecek ve onu LLM'ler gibi metinle programlayabilecek
  • Daha büyük düşünmenin zamanı geldi
• Videonun gerçek performansı mı gösterdiğinden yoksa bir pazarlama taktiği mi olduğundan emin değil ama etkileyici
  • Iron Man 1'deki robot kollarını hatırlatıyor
• Robotlar yemek hazırlayabilecek kadar becerikli hale gelirse bu, iş gücü piyasası için bir dönüm noktası olur
  • Mevcut model henüz o seviyede değil ama önümüzdeki birkaç yılda sentetik veri üretimine yapılacak büyük yatırımların bu seviyeye yaklaştırıp yaklaştırmayacağını göreceğiz
• Google'ın sorunu, reklam işinin o kadar çok gelir getirmesi ki diğer ürünlerin anlamsız kalması
  • Robotlar aracılığıyla öğrendiklerini reklam gelirini artırmak için kullanacak