Google DeepMind نسل تازه‌ای از پلتفرم رباتیک Gemini مبتنی بر هوش مصنوعی را معرفی کرده است. Google می‌گوید در نسخه ۲.۵، هوش مصنوعی رباتیک این شرکت به انجام وظایف دنیای واقعی به خوبی انسان‌ها بسیار نزدیک شده است. در واقع، برخی از ربات‌های Gemini توانسته‌اند در کارخانه‌های Mercedes-Benz کارهای واقعی انجام دهند و گروه با کمک یک معیار ایمنی متن‌باز، خود را برای روزی آماده می‌کند که ربات‌ها در کنار انسان‌ها فعالیت کنند.

پلتفرم هوش مصنوعی فیزیکی DeepMind میان ورودی کاربر و عملکرد ربات چندین لایه محاسباتی دارد. یکی از این لایه‌ها مدل بینایی‌ـ‌زبان Gemini Embodied Reasoning است. این مدل دستورهای شما را دریافت می‌کند و با استفاده از ویدئوی زنده، برنامه‌ریزی می‌کند که ربات چگونه می‌تواند وظیفه را انجام دهد. مؤلفه اصلی دیگر مدل بینایی‌ـ‌زبان‌ـ‌کنش (VLA) است که کنش‌های ربات، مانند حرکت دادن یک عملگر، را تولید می‌کند؛ این همان Gemini Robotics است که اکنون به نسخه ۲.۵ ارتقا یافته است.

DeepMind می‌گوید Gemini Robotics 2.5 در انجام وظایفی که به مهارت حرکتی ظریف زیادی نیاز دارند، بسیار بهتر عمل می‌کند. این مدل در بیش از ۲۰۰ فعالیت ارزیابی شده است؛ از جمله سرو غذا با انبر و استفاده از پیپت، همان‌طور که در آزمایشگاه‌ها انجام می‌شود. Google همچنین نشان داد که ربات انسان‌نمای Apollo 2 شرکت Apptronik با Gemini Robotics 2.5 اکنون می‌تواند با دست‌های پنج‌انگشتی خود پاپیون ببندد؛ دستاوردی قابل‌توجه، زیرا دست‌کاری اشیای تغییرشکل‌پذیر، مانند روبان، برای ربات‌ها بسیار دشوار است.