A Gemini Robotics, baseada no Gemini 2.0 da Google DeepMind, acaba de apresentar dois modelos avançados de IA projetados para robótica. Estes novos modelos estabelecem as bases para uma nova geração de robôs úteis, utilizando as capacidades avançadas do Gemini para melhorar a generalidade, a interatividade e a destreza.
O primeiro, Gemini Robotics, é um modelo de visão-linguagem-ação que permite aos robôs realizar tarefas do mundo real com generalidade, interatividade e destreza. Adapta-se a novas situações, entende instruções em linguagem natural e pode manipular objetos com precisão.
O Gemini Robotics destaca-se na resolução de novas tarefas, no manuseamento de novos objetos e na interação com ambientes dinâmicos. Este modelo também pode realizar tarefas complexas, como dobrar origami e embalar lanches. Além disso, é adaptável a várias plataformas robóticas, desde sistemas de dois braços até robôs humanoides como o Apollo da Apptronik, permitindo que conclua tarefas do mundo real de forma eficaz.
O segundo, Gemini Robotics-ER, concentra-se no raciocínio espacial e aprimora a compreensão do mundo do Gemini para robótica, permitindo um melhor controlo e segurança nas ações robóticas.
Gemini Robotics-ER é um modelo avançado de visão-linguagem projetado para melhorar o raciocínio espacial e melhorar a compreensão do Gemini para robótica. Melhora significativamente habilidades como a detecção 3D e apontamentos.
O modelo pode compreender intuitivamente objetos, como agarrar numa caneca de café, e planear ações seguras. O Gemini Robotics-ER pode lidar com tarefas como percepção, estimativa de estado, compreensão espacial e geração de código com taxas de sucesso mais altas do que o Gemini 2.0.
Este modelo também utiliza aprendizagem em contexto para resolver problemas quando a geração de código é insuficiente, aprendendo com algumas demonstrações humanas.
Nenhum comentário
Seja o primeiro!