Google DeepMind afferma che il suo nuovo modello di IA per robot ha un successo dal 30% al 100% superiore al predecessore e ha annodato un fiocco, ma il suo stesso pilota in fabbrica lascia un divario di errori del 4%.

Martedì Google DeepMind ha presentato Gemini Robotics 2.5, che definisce il suo modello visione-linguaggio-azione più capace finora. L'azienda dice di aver valutato il sistema su oltre 200 compiti diversi, tra cui servire cibo con le pinze, pipettare un liquido e annodare un fiocco su una scatola regalo, e riferisce un tasso di successo superiore dal 30% al 100% rispetto ai riferimenti precedenti a seconda del compito, con compiti completati dal 20% al 30% più velocemente. Il modello funziona con diversi tipi di robot, tra cui l'umanoide Apollo 2 di Apptronik e la piattaforma Franka Duo. Non è disponibile al pubblico generale ed è distribuito ai partner della robotica, che Ars Technica indica in Agile Robots, Apptronik e Boston Dynamics.

Per provare il modello fuori dal laboratorio, DeepMind ha collaborato con Apptronik e Mercedes-Benz facendo operare robot umanoidi Apollo 2 su linee di produzione automobilistica attive a Kecskemét, in Ungheria, e a Sindelfingen, in Germania. In quella che DeepMind descrive come una prova di fattibilità, i robot hanno svolto il kitting, cioè smistare staffe metalliche da contenitori alla rinfusa in vassoi nell'ordine richiesto per ogni veicolo, raggiungendo il 96% di successo. Ars Technica osserva che probabilmente non basta ancora per il lavoro ripetitivo di un costruttore e cita il direttore di DeepMind Kanishka Rao, secondo cui colmare il 4% restante sarà una strada in salita. Il modello inoltre gira ancora su server cloud, quindi i guadagni di precisione e velocità comportano una certa latenza.

DeepMind ha riferito anche risultati sulla sicurezza e un nuovo test. Secondo l'azienda, una guida basata sul ragionamento in fase di inferenza permette al robot di evitare i pericoli, migliorando il completamento sicuro dei compiti del 33% attorno agli ostacoli e del 43% vicino alle persone. L'azienda rilascia ASIMOV-Jailbreak, un benchmark open source di prompt che mascherano richieste non sicure, con la speranza di offrire al settore un modo comune per testare l'IA fisica. DeepMind aggiunge che il suo modello Gemini 4 Argon ha accelerato lo sviluppo generando prove simulate e gemelli digitali da scene reali riprese da telecamere. Tutti i dati sulle prestazioni provengono dalle valutazioni di DeepMind stessa e non risultano test indipendenti.