Google DeepMind நிறுவனம், அதிநவீன காட்சி-மொழி-செயல் (vision-language-action - VLA) மாதிரியான Gemini Robotics 2-ஐ அறிமுகப்படுத்துவதன் மூலம், உருவகம் கொண்ட AI (embodied AI) துறையில் அதிகாரப்பூர்வமாக ஒரு புதிய யுகத்திற்குள் நுழைந்துள்ளது. இந்தத் துரித தொழில்நுட்பம் ஒரு உலகளாவிய நுண்ணறிவு அடுக்காகச் செயல்படும் வகையில் வடிவமைக்கப்பட்டுள்ளது, இது பல்வேறு வன்பொருள் தளங்களில் ரோபோக்கள் இயங்கவும் மற்றும் இயற்பியல் உலகத்துடன் தொடர்பு கொள்ளவும் வழிவகை செய்கிறது.

காட்சி-மொழி-செயல் (VLA) மாதிரிகளின் எழுச்சி

இந்த அறிவிப்பின் மையப்பகுதி, மேம்பட்ட VLA மாதிரிகளை நோக்கிய மாற்றமாகும். கடினமான, முன்கூட்டியே வரையறுக்கப்பட்ட அறிவுறுத்தல்களைச் சார்ந்திருக்கும் பாரம்பரிய ரோபோட்டிக்ஸ் புரோகிராமிங்கைப் போலல்லாமல், Gemini Robotics 2 ஆனது பட அங்கீகாரம், மொழி செயலாக்கம் மற்றும் நிகழ்நேர செயல் கட்டுப்பாட்டை ஒருங்கிணைக்கிறது. இந்த ஒருங்கிணைப்பு, ஒரு ரோபோ ஒரு பொருளை "பார்க்கவும்" மற்றும் ஒரு வாய்மொழி கட்டளையை "புரிந்துகொள்ளவும்" உதவுவது மட்டுமல்லாமல், அந்தப் பொருளுடன் தொடர்பு கொள்ளத் தேவையான துல்லியமான உடல் இயக்கங்களையும் செயல்படுத்த அனுமதிக்கிறது.

DeepMind-இன் புதிய கட்டமைப்பு வியக்கத்தக்க வகையில் பன்முகத்தன்மை கொண்டது, இது பல்வேறு வடிவங்களுக்கு ஏற்ப மாற்றியமைக்கப்படக் கூடியது. உற்பத்தித் துறையில் பயன்படுத்தப்படும் பிரத்யேக மேஜைப்பரப்பு ரோபோடிக் கைகள் முதல் சிக்கலான, முழு உடல் மனித உருவ ரோபோக்கள் வரை அனைத்தையும் கட்டுப்படுத்தும் திறன் இந்த மாதிரிக்கு உள்ளது. இந்தத் திறன், ஒரு ஒற்றை அடிப்படை நுண்ணறிவை வெவ்வேறு வன்பொருள்களுக்கு மாற்ற முடியும் என்ற எதிர்காலத்தைக் குறிக்கிறது, இது கணிக்க முடியாத சூழல்களில் மேம்பட்ட ரோபோட்டிக்ஸைப் பயன்படுத்துவதற்கான தடைகளை கணிசமாகக் குறைக்கிறது.

Gemini Robotics ER 2: உருவகம் கொண்ட பகுத்தறிவை மேம்படுத்துதல்

VLA மாதிரியைத் தொடர்ந்து, "உருவகம் கொண்ட பகுத்தறிவுக்காக" (embodied reasoning) பிரத்யேகமாக வடிவமைக்கப்பட்ட Gemini Robotics ER 2 அறிமுகப்படுத்தப்பட்டுள்ளது. VLA மாதிரிகள் உணர்தல் மற்றும் செயல் ஆகியவற்றின் சுழற்சியில் கவனம் செலுத்தும் போது, ER 2 உயர்நிலை அறிவாற்றல் சார்ந்த முடிவெடுத்தல் செயல்முறையில் கவனம் செலுத்துகிறது—அதாவது ஒரு சூழலின் இயற்பியல் நுணுக்கங்களைப் புரிந்துகொள்வது மற்றும் ஒரு இலக்கை அடையச் சிறந்த செயல் வரிசையைத் தீர்மானிப்பது.

Gemini Robotics ER 2, ஏப்ரல் மாதம் வெளியிடப்பட்ட Gemini Robotics ER 1.6 மாடலுக்குப் பிறகு வந்துள்ளது, இது பகுத்தறியும் திறனில் ஒரு குறிப்பிடத்தக்க முன்னேற்றத்தைக் குறிக்கிறது. ஒரு உயர்நிலை கட்டுப்பாட்டு அமைப்பாகச் செயல்படுவதன் மூலம், ER 2 ரோபோக்களை எளிய மற்றும் மீண்டும் மீண்டும் செய்யப்படும் பணிகளிலிருந்து விலக்கி, நிஜ உலகச் சூழல்களில் சிக்கலான சிக்கல்களைத் தீர்க்கும் நிலைக்குக் கொண்டு செல்கிறது. இந்தத் திறன்களை ஒருங்கிணைக்க விரும்பும் டெவலப்பர்களுக்கு, ER 2 ஏற்கனவே Google AI Studio மூலம் கிடைக்கிறது.

AI நிலப்பரப்பிற்கு இது ஏன் முக்கியமானது

Gemini Robotics 2-இன் வளர்ச்சி, பொதுப் பயன்பாட்டு ரோபோட்டிக்ஸ் (General Purpose Robotics) தேடலில் ஒரு முக்கியப் படியாகும். பல ஆண்டுகளாக, ரோபோக்கள் தங்கள் சூழலில் ஏற்படும் சிறிய மாற்றங்களைக் கூட எதிர்கொள்ள முடியாமல் தோல்வியடையும் "உடைய தன்மை" (brittleness) என்ற சிக்கலைத் தொழில் துறை எதிர்கொண்டு வருகிறது. Gemini குடும்பத்தின் ஸ்கேலிங் விதிகள் மற்றும் டிரான்ஸ்பார்மர் அடிப்படையிலான தர்க்கத்தை இயற்பியல் இயக்கத்திற்குப் பயன்படுத்துவதன் மூலம், DeepMind தகவமைப்புத் திறன் (adaptability) தொடர்பான சிக்கலைத் தீர்க்கப் பணியாற்றி வருகிறது.

இது வெற்றியடைந்தால், இந்த "நுண்ணறிவு அடுக்கு" அணுகுமுறை மென்பொருள் நுண்ணறிவை வன்பொருள் பொறியியலில் இருந்து பிரிக்கக்கூடும். இது ரோபோட்டிக்ஸ் பயன்பாட்டில் பெரும் வேகத்தை அனுமதிக்கும், ஏனெனில் டெவலப்பர்கள் இயற்பியல் ஆக்சுவேட்டர்களை (actuators) மேம்படுத்துவதில் கவனம் செலுத்தலாம், அதே நேரத்தில் இயக்கம் மற்றும் இடஞ்சார்ந்த பகுத்தறிவின் சிக்கலான தர்க்கங்களைக் கையாள Google-இன் வலுவான, முன்-பயிற்சி பெற்ற மாதிரிகளை நம்பியிருக்கலாம்.

முக்கியக் குறிப்புகள்

  • உலகளாவிய இணக்கத்தன்மை: Gemini Robotics 2 என்பது சிறிய மேஜைப்பரப்பு கைகள் முதல் சிக்கலான மனித உருவ ரோபோக்கள் வரை பல்வேறு வன்பொருள்களைக் கட்டுப்படுத்தக்கூடிய ஒரு VLA மாதிரியாகும்.
  • மேம்படுத்தப்பட்ட பகுத்தறிவு: புதிய Gemini Robotics ER 2 மேம்பட்ட "உருவகம் கொண்ட பகுத்தறிவை" (embodied reasoning) வழங்குகிறது, இது இயற்பியல் முடிவெடுப்பதற்கான உயர்நிலை அறிவாற்றல் கட்டுப்பாட்டராகச் செயல்படுகிறது.
  • டெவலப்பர்களுக்கான அணுகல்: Google இந்தத் கருவிகளைச் சூழலியலுக்கு (ecosystem) திறந்து விடுகிறது; ER 2 ஆனது Google AI Studio-வில் கிடைக்கிறது மற்றும் Gemini Robotics 2-க்கான ஆரம்பகால அணுகல் காத்திருப்புப் பட்டியல் (waitlist) மூலம் கிடைக்கிறது.

சுருக்கமாக

Gemini Robotics 2 மற்றும் அதனுடன் வரும் ER 2 மாட்யூல் ஆகியவை ரோபோக்களுக்கான ஒரு உலகளாவிய AI மூளையை நோக்கிய ஒரு உறுதியான படியாகும், இது உணர்தல், மொழி மற்றும் கட்டுப்பாட்டை ஒரே பயிற்சி அளிக்கக்கூடிய அமைப்பிற்குள் ஒருங்கிணைக்கிறது. இந்த அணுகுமுறை அதிநவீன ரோபோக்களைப் பயன்படுத்துவதற்கான செலவு மற்றும் சிக்கலைக் கணிசமாகக் குறைக்கக்கூடும்.