Google DeepMind vừa công bố Gemini Robotics 2, một bộ mô hình AI thế hệ mới giúp robot không chỉ nhìn và nói mà còn biết suy luận chuyển động toàn thân. Đây là bước tiến lớn từ các robot lập trình sẵn hay điều khiển từ xa trước đây. Với mô hình vision-language-action (VLA) mới, robot có thể tự học cách cúi, với, cầm nắm vật thể hay làm việc nhóm với các robot khác để dọn dẹp phòng nhanh hơn.

Ba mô hình cốt lõi cho robot thông minh hơn

Bộ công cụ gồm ba phiên bản: Gemini Robotics 2 (VLA) dẫn động toàn thân từ ngón chân đến đầu ngón tay; Gemini Robotics ER 2 giúp robot giao tiếp với con người, hiểu thế giới vật lý và lập kế hoạch nhiều bước kéo dài vài phút; và Gemini Robotics On-Device 2 chạy trực tiếp trên phần cứng robot, chỉ cần vài giờ dữ liệu để thích nghi với robot mới. Điều này có nghĩa một robot hình người có thể tự dọn bàn, bê đồ mà không cần lập trình lại từ đầu.

Tác động thực tế và cơ hội cho startup

Công nghệ này mở ra cơ hội để robot tận dụng AI tiên tiến của Google. Nhà phát triển đã có thể truy cập mô hình lý luận ER 2 qua Google AI Studio. Với công nghệ này, robot không còn là cỗ máy đơn điệu mà trở thành trợ lý thực thụ. Đây là bước tiến quan trọng trong lĩnh vực AI và robot.