در حالی که اغلب مردم هوش مصنوعی را در قالب چت‌بات‌هایی مانند Gemini یا ChatGPT می‌شناسند، این فناوری اکنون در حال ایفای نقشی جدی‌تر در دنیای ربات‌های فیزیکی است. شرکت Google DeepMind به‌تازگی نسخه‌ای جدید از سیستم هوش مصنوعی خود تحت عنوان Gemini Robotics On-Device را معرفی کرده که برای نخستین‌بار، به‌طور کامل بدون نیاز به فضای ابری قادر به فعالیت است.
این مدل جدید، با استفاده از ساختار VLA (ترکیبی از بینایی، زبان و اقدام) طراحی شده و می‌تواند وظایفی مانند بستن بند کفش را به‌صورت خودکار انجام دهد. نکته قابل توجه آن است که برخلاف نسخه‌های قبلی، تمامی پردازش‌ها در همین دستگاه انجام می‌شود و دیگر نیازی به ارسال داده به سرورهای ابری نیست. به همین دلیل، ربات‌ها می‌توانند در محیط‌های بدون اینترنت یا با دسترسی محدود، همچنان به‌خوبی عمل کنند.
کارولینا پارادا، مدیر بخش رباتیک در گوگل دیپ‌مایند، اشاره می‌کند که این شیوه می‌تواند باعث افزایش قابلیت اطمینان ربات‌ها در شرایط بحرانی شود. همچنین، توسعه‌دهندگان می‌توانند این مدل را بر اساس نیازهای خاص خود تنظیم کنند. این موضوع گامی مهم در جهت افزایش استقلال ربات‌ها محسوب می‌شود؛ زیرا مدل جدید قابلیت یادگیری وظایف جدید را تنها با ۵۰ تا ۱۰۰ نمونه نمایشی دارد.
نحوه کارکرد بازوهای ربات گوگل و تا کردن لباس – منبع ویدیو (deepmind google)
از منظر فنی، عملکرد این سیستم مبتنی بر تولید عمل از ورودی چندرسانه‌ای است. درست مانند اینکه Gemini می‌تواند متنی بنویسد یا تصویری تولید کند، حالا می‌تواند توالی‌ای از اقدامات رباتیک نیز بسازد. این موضوع باعث شده تا مدل جدید، حتی بدون اتصال به ابر، درک عمیقی از محیط داشته باشد.
چالش اصلی در آموزش ربات‌ها، تغییرپذیری محیط واقعی است. برخلاف دنیای مجازی، در دنیای فیزیکی پیش‌بینی تمام موقعیت‌ها تقریباً غیرممکن است. با تکیه بر هوش مصنوعی و مدل‌های زایشی، امکان تعمیم یادگیری به وظایف جدید به‌وجود آمده است. گوگل ادعا می‌کند که بسیاری از وظایف پایه‌ای مانند بستن بند کفش یا تا کردن لباس‌ها، با همین نسخه محلی قابل اجراست.
فیلمی از ربات و انجام وظایف مختلف – منبع ویدیو (deepmind google)
در کنار همه این پیشرفت‌ها، موضوع ایمنی همچنان در مرکز توجه قرار دارد. برخلاف یک چت‌بات، ربات‌ها با اجزای فیزیکی خود می‌توانند به انسان آسیب وارد کنند. به همین دلیل، گوگل لایه‌های ایمنی مختلفی برای مدل‌های اصلی خود در نظر گرفته است. اما در نسخه On-Device، این مسئولیت به عهده توسعه‌دهندگان گذاشته شده تا ساختارهای ایمنی مناسب را به‌صورت محلی پیاده‌سازی کنند.
علاقه‌مندان به آزمایش این فناوری می‌توانند از طریق برنامه تسترهای مورد اعتماد گوگل ثبت‌نام کنند. این نسخه فعلی از Gemini Robotics، بر پایه مدل Gemini 2.0 ساخته شده، اما نسخه‌های پیشرفته‌تر مانند Gemini 2.5 در دست توسعه هستند. به همین خاطر، کارشناسان معتقدند که این تنها آغاز مسیر ربات‌هایی با هوش واقعی است.
