A Google DeepMind diz que o novo modelo de IA para robôs tem entre 30% e 100% mais sucesso do que o antecessor e atou um laço, mas o próprio piloto fabril deixa uma lacuna de falhas de 4%.

A Google DeepMind apresentou na terça-feira o Gemini Robotics 2.5, que descreve como o seu modelo de visão, linguagem e ação mais capaz até agora. A empresa afirma ter avaliado o sistema em mais de 200 tarefas distintas, incluindo servir comida com pinças, pipetar um líquido e atar um laço numa caixa de presente, e relata uma taxa de sucesso entre 30% e 100% superior às referências anteriores, conforme a tarefa, com tarefas concluídas entre 20% e 30% mais depressa. O modelo funciona com vários tipos de robô, incluindo o humanoide Apollo 2 da Apptronik e a plataforma Franka Duo. Não está disponível ao público em geral e está a ser distribuído a parceiros de robótica, que a Ars Technica indica serem a Agile Robots, a Apptronik e a Boston Dynamics.

Para testar o modelo fora do laboratório, a DeepMind uniu-se à Apptronik e à Mercedes-Benz para colocar humanoides Apollo 2 em linhas de produção automóvel ativas em Kecskemét, na Hungria, e em Sindelfingen, na Alemanha. No que a DeepMind descreve como prova de conceito, os robôs fizeram kitting, ou seja, separar suportes metálicos de caixas a granel para recipientes pela ordem necessária a cada veículo, e atingiram 96% de sucesso. A Ars Technica observa que isso provavelmente ainda não basta para o trabalho repetitivo de um fabricante e cita o diretor da DeepMind Kanishka Rao, que diz que fechar os 4% restantes será um caminho íngreme. O modelo continua ainda a correr em servidores na nuvem, pelo que os ganhos de precisão e velocidade vêm com alguma latência.

A DeepMind relatou também resultados de segurança e um novo teste. Segundo a empresa, uma orientação por raciocínio em tempo de inferência permite ao robô contornar perigos, melhorando a conclusão segura de tarefas em 33% junto a obstáculos e em 43% perto de pessoas. A empresa divulga o ASIMOV-Jailbreak, um benchmark de código aberto com comandos que disfarçam pedidos inseguros, na esperança de dar ao setor uma forma comum de testar a IA física. A DeepMind acrescenta que o seu modelo Gemini 4 Argon acelerou o desenvolvimento ao gerar treinos simulados e gémeos digitais a partir de cenas reais de câmara. Todos os números de desempenho vêm das avaliações da própria DeepMind e não foram comunicados testes independentes.