Gemini Robotics 2 kendalikan robot humanoid secara utuh

Google DeepMind merilis tiga model robotik pada 30 Juli. Model utamanya, Gemini Robotics 2, adalah vision-language-action model yang menggerakkan robot humanoid secara utuh, dari kaki hingga ujung jari, sekaligus menjalankan robot dua-lengan dengan tangan lima jari ber-22 degrees of freedom. Pendampingnya, Gemini Robotics ER 2, berperan sebagai perencana tingkat tinggi: menjaga satu tugas tetap konsisten selama beberapa menit dan ratusan keputusan, serta mengoordinasikan lebih dari satu robot sekaligus. Model ketiga, Gemini Robotics On-Device 2, berjalan lokal tanpa jaringan dan menyesuaikan diri ke robot dua-lengan baru hanya dari beberapa jam data, biasanya di bawah 200 contoh.

Angka keberhasilannya layak dibaca teliti karena memperlihatkan mana yang sudah beres dan mana yang belum. Pada humanoid Apollo, mengambil benda dari rak berhasil 76,3% dan dari meja 68,4%, tetapi dari lantai turun ke 45,7%. Ketangkasan halus lebih timpang: membuka bohlam mencapai 92%, sedangkan memasangnya kembali hanya 36%, dan menyapu dengan pengki di 32%. Pada konfigurasi gripper Franka, insersi presisi kuat di 89,6%. DeepMind juga memperkenalkan benchmark keselamatan bernama ASIMOV-Agentic yang menguji apakah perencana menolak panggilan tool berbahaya, memprediksi saat tugas tidak mungkin dikerjakan, dan meminta bantuan manusia. Pengumuman lengkapnya bisa dibaca di tulisan DeepMind.

Kenapa ini penting

Bagi yang membangun di atas perangkat robot, kemampuan model on-device beradaptasi dari kurang dari 200 contoh mengubah berapa banyak data yang dibutuhkan untuk mencoba embodiment baru, dan angka per-tugas yang apa adanya menunjukkan pekerjaan mana yang siap diuji coba dan mana yang masih perlu manusia berjaga.