Google'ın yapay zeka alanındaki öncü kuruluşu DeepMind, yapay zeka destekli robotik platformunun yeni nesli Gemini Robotics'i tanıttı. 2.5 sürümüyle birlikte, Google'ın robotik yapay zekasının gerçek dünya görevlerini insanlar kadar başarılı bir şekilde yerine getirmeye bir adım daha yaklaştığı belirtiliyor. Hatta bazı Gemini robotlarının Mercedes-Benz fabrikalarında aktif görevler üstlendiği ve ekibin, robotların insanlarla birlikte çalıştığı bir gelecek için açık kaynaklı bir güvenlik testi geliştirdiği duyuruldu.
DeepMind'ın fiziksel yapay zeka platformu, kullanıcı girdisinden robotik eyleme kadar uzanan çeşitli hesaplama katmanlarına sahip. Bu katmanlardan biri, talimatları alıp canlı videoyu kullanarak robotun görevi nasıl tamamlayacağını planlayan Gemini Embodied Reasoning adlı vizyon-dil modeli. Diğer ana bileşen ise Gemini Robotics'in 2.5 sürümüne yükseltilen ve hareketli bir parçayı çalıştırmak gibi robot eylemlerini üreten vizyon-dil-eylem (VLA) modülü.
Gemini Robotics 2.5'in, yüksek derecede el becerisi gerektiren görevlerde önemli ölçüde daha yetenekli olduğu vurgulanıyor. Model, maşa ile yiyecek servisi yapma ve laboratuvar ortamında pipet kullanma gibi 200'den fazla aktivite üzerinde değerlendirildi. Google ayrıca, Apptronik'in Apollo 2 insansı robotunun Gemini Robotics 2.5 ile beş parmaklı elleriyle bir kurdele bağlayabildiğini gösterdi. Bu, esnek nesnelerin (kurdele gibi) robotlar tarafından manipüle edilmesinin zorluğu göz önüne alındığında dikkat çekici bir başarı.
Genel olarak, Gemini Robotics 2.5'in bir önceki sürüme kıyasla görevlerde %30 ila %100 daha yüksek başarı oranı sağladığı bildiriliyor. Ayrıca %20 ila %30 daha hızlı çalışıyor. Ancak bu sonuçlar laboratuvar testlerine dayanıyor. Google, yapay zekanın robotik laboratuvarlarının dışındaki belirsiz ortamlardaki yeteneğini test etmek için Apptronik ve Mercedes-Benz ile işbirliği yaptı. Gemini destekli Apollo 2 robotları, birkaç Avrupa fabrikasında otomotiv parçalarını birleştirerek %96 başarı oranına ulaştı.
Bu, önceki robotik yapay zeka sistemlerine kıyasla etkileyici bir sonuç olsa da, muhtemelen Mercedes-Benz gibi bir şirket için henüz yeterli değil. Bu tür tekrarlayan görevleri yapan bir insan neredeyse her zaman doğru yapacaktır ve DeepMind Direktörü Kanishka Rao, kalan %4'lük farkı kapatmanın zorlu bir yolculuk olacağını belirtiyor.
Bir fabrikayı manuel olarak programlanmış bir robotla birkaç görevi sorunsuz bir şekilde yerine getirmek mümkün olsa da, bu tür otomasyon onlarca yıldır yaygın olarak kullanılıyor. Gemini Robotics ise sadece birkaç görevi yapmakla yetinmiyor. Amaç, neredeyse her şeyi idare edebilecek genel amaçlı robotlar üretmek; ancak bu yaklaşımın bazı ödünleri de var.
DeepMind Robotik Başkanı Carolina Parada, "Belirli bir uygulama için çok iyi olabiliriz, bu da genelleştirme yeteneğinden ödün vermek anlamına gelir." dedi. "Ya da sadece genelleştirme ekseninde ilerleyebiliriz ve her uygulamada %99,9'a ulaşamayabiliriz."
Argon Desteği ile Hızlanan Gelişim
Tüm üretken yapay zeka modellerinin eğitimi için eğitim verisi hayati öneme sahiptir. Mevcut metin tabanlı sohbet botlarının çoğu, neredeyse tüm internet içeriğiyle eğitilirken, robotik yapay zeka için yeterli miktarda "fiziksel veri" bulunmuyor. Robotlar için en iyi eğitim verisi, uzaktan kumanda ile gerçekleştirilen görevlerden elde edilir. Ancak ekip, Gemini 4 Argon'un Gemini Robotics 2.5'in geliştirilmesini büyük ölçüde hızlandıran bir "simülasyon motoru" oluşturmaya yardımcı olduğunu belirtiyor.
Ekip, gerçek dünya kamera verilerine dayalı binlerce pratik antrenman varyasyonu oluşturmak için Argon'u kullandı. Bu "dijital ikizler", Gemini Robotics 2.5'in yeni görevleri ve ortamları daha hızlı genelleştirmesini sağladı. Ancak gerçek dünya deneyimlerinin de rolü devam ediyor. DeepMind, bu sentetik verileri geleneksel eğitim gösterimleriyle birleştirerek modeli daha da geliştirdi.
Argon, simülasyonlarda ve gerçek robotlarda hataları analiz etmek ve iyileştirme yolları önermek için de kullanıldı. Ancak bu, gerçek zamanlı çalışan bir süreç değil. Gemini gibi gelişmiş modellerin işlenmesi zaman alırken, robotların uzun duraklamalar olmadan çalışabilmesi gerekiyor. Yeni VLA'nın hızı da henüz çok yüksek değil. Google bazı gömülü robotik modelleri denemiş olsa da, mevcut 2.5 sürümü hala bulut tabanlı sunucularda çalışıyor. Bu nedenle, doğruluk ve hızdaki bu kazanımlar hala gecikme olmadan gelmiyor. Yukarıdaki video, robotun daha insan benzeri görünmesi için 2 kat hızlandırılmıştır.
DeepMind ayrıca, hataların yakındaki insanları riske atmamasını sağlamak için de çalışıyor. Ekip, Gemini Robotics 2.5'in tehlikelerden kaçınmak için çıkarım zamanı muhakemesi kullandığını belirtiyor. Bu sayede, eğer bir engel ortaya çıkarsa, robot tamamen duracak veya güvenli olana kadar bekleyecektir. Bu, bir Mercedes fabrikası gibi bir yerde, laboratuvarın dışında çalışan bir robot için kritik öneme sahip. DeepMind, bu özelliğin, engellerin bulunduğu durumlarda Gemini robotlarının görevleri %33 daha sık, insan bulunduğunda ise %43 daha başarıyla tamamlamasını sağladığını belirtiyor.
Fiziksel yapay zekanın güvenliğini test etmek için henüz üzerinde anlaşılmış bir yöntem bulunmuyor. Ancak DeepMind, ASIMOV-Jailbreak ile sektöre yön vermeyi umuyor. Bu, bir robotik yapay zekayı güvenli olmayan bir şey yapmaya kandırmak için tasarlanmış 1.500 komut içeren açık kaynaklı bir veritabanıdır. Örneğin, bir komut robotun eşyaları bir torbaya koymasını ve robotun çalışması için çok karmaşık olan bir sabitleyici ile kapatmasını isteyebilir. Yapay zeka bunu reddetmeli, ancak denemesi ve konteyneri yanlış kapatması "güvenli olmayan" bir sonuç olacaktır.
DeepMind, Argon'u bu sürece dahil etmenin %98,8'lik bir jailbreak güvenlik seviyesi sağladığını belirtiyor. Yalnızca Gemini Robotics ER 2 ile sistem, Google'ın güvenlik testinde %73,5 puan alıyor.
Tüm ASIMOV veri kümesi, Hugging Face üzerinde, gömülü yapay zeka üzerinde çalışan ve güvenliğini analiz etmek isteyen herkesin erişimine açıktır. Gemini Robotics 2.5 genel kullanıma açık olmasa da, şu anda Agile Robots, Apptronik ve Boston Dynamics gibi Google'ın robotik ortaklarının kullanımına sunulmuştur.
Kaynakça: arstechnica.com
