गुगल डीपमाइंडने रोबोटिक्स क्षेत्रात क्रांती घडवत Gemini Robotics 2 आणि Gemini Robotics ER 2 हे नवीन AI मॉडेल्स लाँच केले आहेत. या अत्याधुनिक तंत्रज्ञानामुळे रोबोट्सना स्वतःचा ‘मेंदू’ मिळणार असून, ते केवळ दिलेल्या कमांडवर काम न करता मानवाप्रमाणे रिअल-टाइममध्ये स्वतः विचार करून आणि परिस्थितीनुसार योग्य निर्णय घेऊन काम करू शकतील. चला तर मग याविषयीची माहिती पुढे जाणून घेऊया.
आर्टिफिशियल इंटेलिजन्स (AI) क्षेत्रातील आघाडीची कंपनी Google DeepMind ने रोबोटिक्सच्या दुनियेत एक मोठा क्रांतिकारी टप्पा गाठला आहे. कंपनीने रोबोट्सना अधिक कार्यक्षम, विचार करण्यास सक्षम आणि शारीरिकदृष्ट्या चपळ बनवण्यासाठी नवीन प्रगत AI मॉडेल सिरीज Gemini Robotics 2 अधिकृतपणे लाँच केली आहे. या नवीन प्रणालीमुळे आता रोबोट्स केवळ आधीच ठरवून दिलेल्या कमांड्सवर काम करणार नाहीत, तर माणसाप्रमाणे रिअल-टाइममध्ये स्वतः विचार करून आजूबाजूच्या परिस्थितीनुसार निर्णय घेऊ शकतील.
गुगलच्या अधिकृत माहितीनुसार, (REF.) या सिरीज अंतर्गत तीन महत्त्वाचे मॉडेल्स सादर करण्यात आले आहेत.
- 1. Gemini Robotics 2 (VLA Model): हे ‘व्हिजन-लँग्वेज-ॲक्शन’ मॉडेल असून ते कॅमेऱ्याचे इनपुट आणि मानवी आवाज समजून त्याचे थेट रोबोटच्या हालचालींमध्ये रूपांतर करते.
- 2. Gemini Robotics ER 2 (Embodied Reasoning): याला रोबोटचा ‘हाय-लेव्हल ब्रेन’ (उच्च दर्जाचा मेंदू) म्हटले जात आहे, जो जटिल कामांचे नियोजन करतो.
- 3. Gemini Robotics On-Device 2: हे मॉडेल कोणत्याही इंटरनेट कनेटिव्हिटीशिवाय थेट रोबोटच्या स्थानिक उपकरणावर चालते आणि काही तासांतच नवीन रोबोट बॉडीला अनुकूल बनू शकते.
माणसासारखा मेंदू आणि ‘व्होल-बॉडी इंटेलिजन्स’
या तंत्रज्ञानाचे सर्वात मोठे फीचर म्हणजे यापूर्वीचे रोबोट्सचे मॉडेल फक्त वरच्या शरीराचे किंवा टेबलावरील कामे नियंत्रित करत होते. परंतु, ‘जेमिनी रोबोटिक्स 2’ मुळे आता रोबोट्सना ‘व्होल-बॉडी इंटेलिजन्स’ मिळाली आहे. याचा अर्थ रोबोट आता स्वतःचे पाय, कंबर, हात आणि हाताची पाचही बोटे एकाच वेळी नियंत्रित करू शकेल. यामुळे चालताना रोबोटचे पाय घसरणार नाहीत, कठीण आणि अरुंद जागांवरून जाताना तो स्वतःचा तोल सांभाळू शकेल आणि वाकून वस्तू उचलणे यासारख्या गोष्टी सहज करू शकेल.
या तंत्रज्ञानाची यशस्वी चाचणी Apptronik Apollo 2 या ह्युमनॉइड (मानवासारख्या) रोबोटवर घेण्यात आली आहे, जिथे त्याने झाडाला पाणी घालणारा डबा उचलून दुसऱ्या कपाटात अचूकपणे ठेवण्याचे कठीण काम यशस्वीरीत्या पूर्ण केले.
दोन वेगवेगळ्या रोबोट्सची अनोखी भागीदारी
गुगलच्या अधिकृत ब्लॉगनुसार, ‘जेमिनी रोबोटिक्स ER 2’ हे मॉडेल ‘जेमिनी 3.5 फ्लॅश’ वर आधारित आहे. हे तंत्रज्ञान रोबोट्समध्ये ‘मल्टी-रोबोट कोलाबोरेशन’ म्हणजेच दोन वेगवेगळ्या प्रकारच्या रोबोट्सना एकत्र काम करण्याची क्षमता प्रदान करते. उदाहरणार्थ, चाके असलेला रोबोट आणि मानवासारखा चालणारा रोबोट एकमेकांशी संवाद साधून एकाच कामातील वेगवेगळे भाग आपापसात वाटून घेऊन पूर्ण करू शकतात. (REF.)
याशिवाय, रोबोट्स आता थेट ‘गुगल सर्च’ किंवा इतर टूल्सचा वापर करून आवश्यक माहिती स्वतः शोधू शकतात आणि सततच्या व्हिडिओ फीडद्वारे आपले काम बरोबर होत आहे की नाही यावर लक्ष ठेवू शकतात.
कार्यक्षमता आणि सुरक्षिततेचे नवे मापदंड
- या मॉडेलमध्ये सुई दोरा ओवणे, गाठ मारणे किंवा झिपलॉक बॅग बंद करणे यासारख्या कामांमध्ये कमालीची अचूकता (Dexterity) आली आहे. रोबोटच्या कामातील यशाचा दर वेगवेगळ्या कामांनुसार 32 टक्के ते 92 टक्के पर्यंत नोंदवला गेला आहे.
- सुरक्षिततेच्या दृष्टीने गुगलने ‘ASIMOV-Agentic’ नावाचा नवीन बेंचमार्क सादर केला आहे. यामुळे जर एखादा माणूस रोबोटच्या जवळ आला, तर रोबोट मानवाची उपस्थिती ओळखून लगेच थांबेल. तसेच, जर एखादी आज्ञा मानवासाठी किंवा स्वतः रोबोटसाठी असुरक्षित असेल, तर रोबोट ती कामे करण्यास नकार देईल.
गुगल डीपमाइंडच्या अधिकृत वेबसाइटवर दिलेल्या माहितीनुसार, सध्या ‘ER 2’ मॉडेल डेव्हलपर्ससाठी Google AI Studio आणि Gemini API वर उपलब्ध करून देण्यात आले आहे. हे तंत्रज्ञान भविष्यात कारखाने, रुग्णालये आणि घरगुती कामांमध्ये मोठ्या प्रमाणात क्रांतिकारी बदल घडवून आणणार आहे.
लेखकाबद्दलशुभम कुलकर्णीशुभम कुलकर्णी जवळपास 6 वर्षांपासून मराठी माध्यमांमध्ये काम करतोय. आकाशवाणी (छत्रपती संभाजीनगर) पासून माध्यम क्षेत्रात कामाला सुरुवात केली. एका मुखपत्रासह मुंबईतील नामांकित मराठी वृत्तवाहिन्यांमध्ये ‘बुलेटिन प्रोड्यूसर’ म्हणून जबाबदारी सांभाळली. शुभमला राजधानी दिल्लीतही बातमीवर संस्कार करण्याची संधी मिळाली. राजकारण, व्यापार-उद्योग, क्रीडा, तंत्रज्ञान, ऑटो या विषयावर लिहायला त्याला आवडतं. निसर्गाच्या सानिध्यात बसायला, फावल्या वेळेत चित्रपट, वेब सिरीज पाहाण्याचा शुभमचा छंद आहे.… आणखी वाचा
