O Gemini Robotics também torna os robots mais hábeis, permitindo-lhes executar tarefas mais precisas, como dobrar um pedaço de papel.

A Google DeepMind está a lançar dois novos modelos de IA concebidos para ajudar os robôs a “realizar uma gama mais vasta de tarefas do mundo real do que nunca”.

O primeiro, denominado Gemini Robotics, é um modelo de visão-linguagem-ação capaz de compreender novas situações, mesmo que não tenha sido treinado para tal. Este robô foi desenvolvido com base no Gemini 2.0, a versão mais recente do principal modelo de IA da Google.

Durante uma conferência de imprensa, Carolina Parada, diretora sénior e chefe de robótica da Google DeepMind, afirmou que o Gemini Robotics “baseia-se na compreensão multimodal do mundo do Gemini e transfere-a para o mundo real, acrescentando ações físicas como uma nova modalidade”, noticia o The Verge.

O novo modelo faz avanços em três áreas-chave que o Google DeepMind diz serem essenciais para a construção de robôs úteis: generalidade, interatividade e destreza. Para além da capacidade de generalizar novos cenários, o Gemini Robotics é melhor a interagir com as pessoas e o seu ambiente. Também é capaz de realizar tarefas físicas mais precisas, como dobrar um pedaço de papel ou remover uma tampa de garrafa.

“Embora tenhamos feito progressos em cada uma destas áreas individualmente no passado com a robótica geral, estamos a aumentar [drasticamente] o desempenho nas três áreas com um único modelo. Isto permite-nos construir robôs mais capazes, mais reativos e mais robustos face às mudanças no seu ambiente”, acrescentou Parada.

Além deste modelo, a Google DeepMind também está a lançar o Gemini Robotics-ER (com raciocínio incorporado), que a empresa descreve como um modelo avançado de linguagem visual que pode “compreender o nosso mundo complexo e dinâmico”.

Como explica Parada, quando estamos a preparar uma lancheira e temos objetos numa mesa à nossa frente, precisamos de saber onde está tudo, bem como a forma de abrir a lanchar, como agarrar os objetos e onde os colocar. É este o tipo de raciocínio que se espera que o Gemini Robotics-ER faça.

Em termos de segurança, o investigador da Google DeepMind, Vikas Sindhwani, revelou aos jornalistas que a empresa está a desenvolver uma “abordagem por camadas”, acrescentando que os modelos Gemini Robotics-ER “são treinados para avaliar se uma ação potencial é ou não segura num determinado cenário”.

A empresa está também a lançar novas referências e estruturas para ajudar a aprofundar a investigação sobre segurança na indústria da IA. No ano passado, a Google DeepMind apresentou a sua “Constituição do Robô”, um conjunto de regras inspiradas em Isaac Asimov para os seus robôs seguirem.