2023 માં ગૂગલે તેનું પહેલું AI મોડેલ, જેમિનીની જાહેરાત કરી. ત્યારથી, કંપની તેના મોડેલોને વધુ અદ્યતન બનાવવા માટે કામ કરી રહી છે. રિઝનિંગ મોડેલથી લઈને ઇમેજ જનરેટર સુધી, ગૂગલના જેમિની પાસે બધું જ છે. હવે, કંપનીએ તેના આગામી AI મોડેલોની જાહેરાત કરી છે, જેનો હેતુ રોબોટ્સને શક્તિ આપવાનો અને તેમને માણસોની જેમ કાર્ય કરવામાં મદદ કરવાનો છે: જેમિની રોબોટિક્સ અને જેમિની રોબોટિક્સ ER. ગૂગલે તેના બ્લોગમાં જણાવ્યું છે કે, “ભૌતિક ક્ષેત્રમાં લોકો માટે AI ઉપયોગી અને મદદરૂપ થવા માટે, તેમણે “મૂર્ત” તર્ક દર્શાવવો પડશે, જે આપણી આસપાસની દુનિયાને સમજવા અને પ્રતિક્રિયા આપવાની માનવીય ક્ષમતા તેમજ વસ્તુઓ પૂર્ણ કરવા માટે સુરક્ષિત રીતે પગલાં લેવાની ક્ષમતા ધરાવે છે.”
ગૂગલ સમજાવે છે કે જેમિની રોબોટિક્સ “એક અદ્યતન દ્રષ્ટિ-ભાષા-ક્રિયા (VLA) મોડેલ છે જે જેમિની 2.0 પર બનાવવામાં આવ્યું હતું જેમાં રોબોટ્સને સીધા નિયંત્રિત કરવાના હેતુથી નવી આઉટપુટ મોડલિટી તરીકે ભૌતિક ક્રિયાઓનો ઉમેરો કરવામાં આવ્યો હતો.”
નવું મોડેલ ત્રણ મહત્વપૂર્ણ ક્ષેત્રોમાં પ્રગતિ લાવે છે, જે ગૂગલ ડીપમાઇન્ડ માને છે કે ઉપયોગી રોબોટ્સ બનાવવા માટે જરૂરી છે: સામાન્યતા, ક્રિયાપ્રતિક્રિયા અને દક્ષતા. નવી પરિસ્થિતિઓમાં અનુકૂલન સાધવાની ક્ષમતા સાથે, જેમિની રોબોટિક્સ લોકો અને તેના પર્યાવરણ સાથે જોડાવામાં વધુ અસરકારક છે. તે કાગળ ફોલ્ડ કરવા અથવા બોટલ કેપ ખોલવા જેવા નાજુક ભૌતિક કાર્યો કરવા માટે પણ સક્ષમ છે.
આ મોડેલ કુદરતી ભાષાની સૂચનાઓની વિશાળ શ્રેણીને સમજે છે અને તેનો પ્રતિસાદ આપે છે, તમારા ઇનપુટના આધારે તેની ક્રિયાઓને સમાયોજિત કરે છે. તે સતત તેની આસપાસનું નિરીક્ષણ પણ કરે છે, તેના વાતાવરણ અથવા સૂચનાઓમાં ફેરફારો શોધી કાઢે છે અને જરૂર મુજબ તેની ક્રિયાઓને અનુકૂલિત કરે છે. નિયંત્રણનું આ સ્તર, અથવા “સ્ટીઅરેબિલિટી”, ઘરથી કાર્યસ્થળ સુધી વિવિધ સેટિંગ્સમાં રોબોટ સહાયકો સાથે વધુ સારા સહયોગ માટે પરવાનગી આપે છે.
ગૂગલ એ પણ હાઇલાઇટ કરે છે કે માણસોની જેમ જ, રોબોટ્સ પણ તમામ આકાર અને કદમાં આવે છે, જેમિની રોબોટિક્સ તેને અનુકૂલન કરવા માટે રચાયેલ છે. તે જણાવે છે કે, “અમે મોડેલને મુખ્યત્વે બાય-આર્મ રોબોટિક પ્લેટફોર્મ, ALOHA 2 ના ડેટા પર તાલીમ આપી હતી, પરંતુ અમે એ પણ દર્શાવ્યું હતું કે તે બાય-આર્મ પ્લેટફોર્મને નિયંત્રિત કરી શકે છે, જે ઘણી શૈક્ષણિક પ્રયોગશાળાઓમાં ઉપયોગમાં લેવાતા ફ્રેન્કા આર્મ્સ પર આધારિત છે.”