Google DEEPMIND ने रोबोटिक्स के लिए एक नए आर्टिफिशियल इंटेलिजेंस मॉडल को लॉन्च करने की घोषणा की है, जो एक सक्रिय डेटा कनेक्शन की आवश्यकता के बिना पूरी तरह से एक स्थानीय डिवाइस पर काम करने में सक्षम है। नाम-डिवाइस पर नामित, एडवांस्ड मॉडल को BI-ARM रोबोट को आवाज, भाषा और एक्शन (VLA) प्रसंस्करण के संयोजन से वास्तविक दुनिया के वातावरण में जटिल कार्यों को करने में सक्षम बनाने के लिए डिज़ाइन किया गया है।
एक ब्लॉग पोस्ट में, कैरोलिना परदा, वरिष्ठ निदेशक और रोबोटिक्स के प्रमुख Google DeepMindनए मॉडल को पेश किया, इसके कम-विलंबता प्रदर्शन और लचीलेपन को उजागर किया। चूंकि यह क्लाउड से स्वतंत्र रूप से संचालित होता है, इसलिए मॉडल विशेष रूप से विलंबता-संवेदनशील वातावरण और वास्तविक समय के अनुप्रयोगों के लिए अनुकूल है जहां निरंतर इंटरनेट कनेक्टिविटी संभव नहीं है।
वर्तमान में, मॉडल तक पहुंच Google के विश्वसनीय परीक्षक कार्यक्रम के प्रतिभागियों तक सीमित है। डेवलपर्स मिथुन रोबोटिक्स सॉफ्टवेयर डेवलपमेंट किट (एसडीके) और कंपनी के मुजोको फिजिक्स सिम्युलेटर के माध्यम से एआई सिस्टम के साथ प्रयोग कर सकते हैं।
हालांकि गूगल मॉडल की वास्तुकला या प्रशिक्षण पद्धति के बारे में विशिष्ट विवरणों का खुलासा नहीं किया है, इसने मॉडल की मजबूत क्षमताओं को रेखांकित किया है। बी-आर्म रोबोट प्लेटफार्मों के लिए डिज़ाइन किया गया, मिथुन रोबोटिक्स ऑन-डिवाइस को न्यूनतम कंप्यूटिंग संसाधनों की आवश्यकता होती है। उल्लेखनीय रूप से, सिस्टम केवल 50 से 100 प्रदर्शनों का उपयोग करके नए कार्यों के अनुकूल हो सकता है, एक ऐसी सुविधा जो विविध सेटिंग्स में तैनाती को काफी तेज करती है।
आंतरिक परीक्षणों में, मॉडल ने प्राकृतिक भाषा के आदेशों की व्याख्या करने और परिष्कृत कार्यों की एक विस्तृत सरणी करने की क्षमता का प्रदर्शन किया, जिसमें कपड़ों को मोड़ने और अपरिचित वस्तुओं को संभालने के लिए बैग को अनजाने में। इसने सफलतापूर्वक सटीक कार्यों को भी पूरा किया जैसे कि औद्योगिक बेल्ट असेंबली में पाए जाने वाले, उच्च स्तर की निपुणता का प्रदर्शन करते हैं।
हालांकि मूल रूप से प्रशिक्षित अलोहा रोबोटिक सिस्टम, मिथुन रोबोटिक्स ऑन-डिवाइस को अन्य बी-आर्म रोबोट के साथ काम करने के लिए भी अनुकूलित किया गया है, जिसमें फ्रेंका इमिका के एफआर 3 और एपट्रोनिक के अपोलो ह्यूमनॉइड रोबोट शामिल हैं। अमेरिकन टेक दिग्गज के अनुसार, मॉडल ने विभिन्न प्लेटफार्मों में लगातार सामान्यीकरण प्रदर्शन का प्रदर्शन किया, यहां तक कि जब आउट-ऑफ-डिस्ट्रिब्यूशन कार्यों या मल्टी-स्टेप निर्देशों का सामना करना पड़ा।