गूगल और बोस्टन डायनामिक्स ने उन्नत परसेप्शन और टास्क एक्जीक्यूशन के लिए स्पॉट में जेमिनी रोबोटिक्स मॉडल को एकीकृत किया

प्रौद्योगिकी कंपनी Google ने Boston Dynamics के साथ साझेदारी की घोषणा की है, जिसमें अपने Gemini Robotics सन्निहित तर्क मॉडल को चौपाया रोबोट Spot में एकीकृत किया जाएगा, जो वास्तविक दुनिया की रोबोटिक्स में कृत्रिम बुद्धिमत्ता के अनुप्रयोग में एक कदम आगे है। यह सहयोग रोबोट को अपने परिवेश की बेहतर व्याख्या करने, वस्तुओं की पहचान करने और प्राकृतिक भाषा निर्देशों के आधार पर कार्यों को निष्पादित करने में सक्षम बनाता है, बजाय केवल पूर्व-प्रोग्राम की गई दिनचर्याओं पर निर्भर रहने के।

यह एकीकरण 2025 के आंतरिक हैकाथॉन के दौरान किए गए प्रयोगात्मक कार्य पर आधारित है, जहां डेवलपर्स ने खोजा कि कैसे बड़े भाषा मॉडल और दृश्य तर्क प्रणालियां Spot की स्वायत्तता को बढ़ा सकती हैं। Gemini Robotics का लाभ उठाकर, रोबोट अपने कैमरों से दृश्य इनपुट को प्रोसेस कर सकता है और उच्च-स्तरीय निर्देशों—जैसे कि एक कमरे में वस्तुओं को व्यवस्थित करना—को समन्वित भौतिक क्रियाओं में अनुवादित कर सकता है।

पारंपरिक रोबोटिक्स प्रोग्रामिंग के विपरीत, जो अक्सर कठोर, चरण-दर-चरण तर्क पर निर्भर करती है, यह प्रणाली संवादात्मक संकेतों पर आधारित एक अधिक लचीला इंटरफेस प्रस्तुत करती है। डेवलपर्स ने Spot की सॉफ्टवेयर विकास किट का उपयोग करके एक मध्यवर्ती सॉफ्टवेयर परत बनाई, जिससे Gemini मॉडल रोबोट के एप्लिकेशन प्रोग्रामिंग इंटरफेस के साथ संवाद कर सकें। यह फ्रेमवर्क AI को नेविगेशन, वस्तु पहचान, छवि कैप्चर, पकड़ना और स्थापन सहित परिभाषित क्रियाओं के सेट में से चयन करने में सक्षम बनाता है।

प्राकृतिक भाषा इंटरफेस रोबोटिक कार्य निष्पादन को नया रूप देते हैं

व्यावहारिक प्रदर्शनों में, प्रणाली ने सामान्य निर्देशों की व्याख्या करने और गतिशील वातावरण के अनुकूल होने की क्षमता दिखाई। उदाहरण के लिए, जब वस्तुओं को व्यवस्थित करने का कार्य दिया गया, तो AI मॉडल ने दृश्य डेटा का विश्लेषण किया, प्रासंगिक वस्तुओं की पहचान की और रोबोट को क्रियाओं के एक क्रम के माध्यम से निर्देशित किया। रोबोट से प्रतिक्रिया—जैसे कार्य पूर्ण होना या भौतिक बाधाएं—को वास्तविक समय में शामिल किया गया, जिससे प्रणाली मैन्युअल हस्तक्षेप के बिना अपने व्यवहार को समायोजित कर सके।

यह दृष्टिकोण रोबोट के API के भीतर पूर्वनिर्धारित क्षमताओं तक AI को सीमित करके परिचालन सीमाएं बनाए रखता है, जो अनुमानित और नियंत्रित प्रदर्शन सुनिश्चित करता है। यह डिज़ाइन अनुकूलनशीलता और सुरक्षा के बीच संतुलन बनाता है, जो भौतिक प्रणालियों में AI को तैनात करने के लिए एक महत्वपूर्ण विचार है।

यह साझेदारी डेवलपर्स के लिए संभावित दक्षता लाभ को भी उजागर करती है। व्यापक मैन्युअल कोडिंग की आवश्यकता को कम करके, प्राकृतिक भाषा इंटरफेस इंजीनियरों को हर क्रिया अनुक्रम को प्रोग्राम करने के बजाय उद्देश्यों को परिभाषित करने पर ध्यान केंद्रित करने की अनुमति देते हैं। यह बदलाव विनिर्माण, निरीक्षण और लॉजिस्टिक्स जैसे उद्योगों में रोबोटिक्स अनुप्रयोगों के विकास को तेज कर सकता है।

हालांकि कार्यान्वयन प्रयोगात्मक बना हुआ है, प्रदर्शन भौतिक AI में व्यापक रुझानों को दर्शाता है, जहां मशीन धारणा और निर्णय लेने को बढ़ाने के लिए मूलभूत मॉडल का तेजी से उपयोग किया जा रहा है। दोनों कंपनियों ने संकेत दिया है कि आगे का विकास जारी है, जिसमें रोबोटिक्स प्लेटफार्मों में Gemini-आधारित प्रणालियों का निरंतर एकीकरण शामिल है।

यह सहयोग अधिक सहज मानव-मशीन इंटरैक्शन की ओर संक्रमण का सुझाव देता है, जहां जटिल रोबोटिक व्यवहार को सरलीकृत इनपुट के माध्यम से निर्देशित किया जा सकता है। जैसे-जैसे AI मॉडल विकसित होते रहते हैं, ऐसे एकीकरण स्वायत्त प्रणालियों के कार्यात्मक दायरे का विस्तार कर सकते हैं जबकि उनकी तैनाती के लिए तकनीकी बाधाओं को कम कर सकते हैं।

यह पोस्ट Google और Boston Dynamics उन्नत धारणा और कार्य निष्पादन के लिए Spot में Gemini Robotics मॉडल को एकीकृत करते हैं सबसे पहले Metaverse Post पर प्रकाशित हुआ।