Google DeepMind, robotlara 'tüm vücut zekâsı' kazandıran Gemini Robotics 2'yi tanıttı

İnsansı robotların en zorlu teknik engellerinden biri, koordinasyon eksikliğidir: bir kolu uzatmak, aynı anda dengeyi korumak ve gövdeyi doğru açıya getirmek üzere onlarca eklemi eş zamanlı yönetmek gerekiyor. Şimdiye kadar birçok robotik sistem, bu görevleri parçalara ayırarak — önce dengeyi sağlayıp sonra kolu hareket ettirerek — ele alıyordu; bu da hareketleri yavaş ve mekanik gösteriyordu.

Google DeepMind, 30 Temmuz'da bu sorunu doğrudan hedef alan bir yapay zekâ modeli ailesi olan Gemini Robotics 2'yi duyurdu. Şirkete göre sistem, robotlara gövdeden bacaklara kadar tüm vücudu tek bir bütün olarak planlayıp ayarlama becerisi kazandırıyor — bir makinenin aynı anda dönmesine, eğilmesine ve uzanmasına olanak tanıyor.

Pratikte bu, bir insansı robotun yürüyüp çömelmesini, gerinip nesneleri manipüle etmesini ve dağınık bir odayı toplamasını sağlayan tek bir bütünleşik hareket sistemi anlamına geliyor. Şirketin yayımladığı gösterim videolarında robotlar, bir kaset çaları teybe kaset takarken, bir ampulü vidalayarak takarken ve hatta bir çöp torbasını bağlarken görülüyor.

Sistem üç uzman modelden oluşuyor: bir Görme-Dil-Eylem modeli, bir Vücutlaşmış Muhakeme modeli ve cihaz üzerinde çalışan bir kontrolör. Bu üçlü yapı, yüksek seviyeli görev planlamasını (ne yapılacağını anlamak) düşük seviyeli motor kontrolden (bunu nasıl fiziksel olarak gerçekleştireceğini) ayırıyor; bu da robotik araştırmacılarının uzun süredir peşinde olduğu bir mimari yaklaşım.

Performans sonuçları görevden göreve büyük farklılık gösteriyor. Sistem, hassas tüm vücut kontrolü gerektiren bir görev olan ampul sökme testinde yüzde 92 başarı oranına ulaştı — bu, ince motor becerisiyle daha geniş vücut koordinasyonunun etkili biçimde birleştirildiğini gösteriyor.

Ancak Apollo 2 adlı bir robot platformuyla yapılan testlerde başarı oranları daha değişken çıktı: bir masadan nesne alma görevinde yüzde 68,4, yerden alma görevinde yüzde 45,7 ve bir raftan alma görevinde yüzde 76,3 başarı kaydedildi.

Yerden nesne alma görevindeki düşük başarı oranı, alanın önündeki gerçek zorluğu somutlaştırıyor: yere eğilmek, dengeyi korurken vücudun ağırlık merkezini kaydırmayı, farklı bir açıdan görsel algı yapmayı ve genellikle daha kısıtlı bir el manevra alanında hassas kavrama uygulamayı gerektiriyor — tüm bunlar aynı anda ve gerçek zamanlı olarak yönetilmesi gereken değişkenler.

Yine de araştırmacılar, farklı görevler arasındaki bu performans farkının beklenen bir durum olduğunu, çünkü her görevin farklı bir denge, algı ve manipülasyon kombinasyonu gerektirdiğini vurguluyor. Amaç, tek bir görevde mükemmelliğe ulaşmak değil, çok çeşitli fiziksel görevlerde makul düzeyde güvenilir bir genel yeterlilik sağlamak.

Gemini Robotics 2, Google'ın fiziksel dünyada çalışan yapay zekâ sistemlerine yönelik daha geniş bir itmenin parçası; bu alan, sohbet tabanlı yapay zekâ modellerinin aksine, gerçek dünyadaki belirsizlik ve fiziksel kısıtlamalarla doğrudan uğraşmayı gerektirdiği için özellikle zorlu kabul ediliyor.

Uzmanlar, ev içi ya da endüstriyel ortamlarda güvenilir, genel amaçlı insansı robotların günlük hayata girmesinin hâlâ yıllar alabileceğini belirtiyor; ancak bu tür tüm vücut koordinasyon sistemlerindeki ilerleme, alanın en temel teknik engellerinden birinin — parçalanmış, sıralı hareket kontrolünün — aşılmaya başladığının bir işareti olarak görülüyor.