IA Gemini Robotics 2 do Google DeepMind Habilita Controle Corporal Completo de Robôs

O Google DeepMind acaba de lançar o Gemini Robotics 2, uma nova versão de seu modelo de inteligência artificial que capacita uma gama de robôs, incluindo humanoides, a executar tarefas complexas e de alta destreza, como apertar lâmpadas e amarrar sacos de lixo. Esta plataforma representa um avanço significativo na integração da IA no mundo físico, buscando aproximar as máquinas da capacidade humana.

Como o Gemini Robotics 2 Funciona?

O Gemini Robotics 2 é um sistema complexo que combina vários modelos de IA para permitir que um robô compreenda seu ambiente e como interagir com ele. Ele é composto por:

• Um Modelo de Linguagem Visual (VLM): Responsável por entender imagens e vídeos, comunicar-se com humanos e raciocinar sobre como realizar diferentes tarefas.
• Dois Modelos de Linguagem de Ação Visual (VLA): Treinados para compreender o movimento no espaço físico, controlando tanto o movimento de corpo inteiro do robô quanto os movimentos de garras ou mãos.

A combinação desses modelos permite aos robôs raciocinar, colaborar e resolver tarefas do mundo real, representando um salto na compreensão de vídeo, orquestração de ferramentas e colaboração multi-robôs para aplicações robóticas.

Demonstrações e Capacidades Práticas

Em demonstrações em vídeo compartilhadas antes do lançamento, o Google DeepMind exibiu vários robôs executando tarefas complexas de forma autônoma usando o modelo unificado. Em uma dessas demonstrações, o robô Apollo 2 da Apptronik utilizou mãos da empresa Sharpa para organizar prateleiras. O modelo foi treinado para essas tarefas através de uma combinação de teleoperação humana, exemplos em vídeo e simulações, pois a IA ainda não consegue realizar uma ampla gama de tarefas complexas sem treinamento específico.

O modelo suporta agora "movimentos de corpo inteiro", desde os pés até as pontas dos dedos, ao contrário da versão anterior que se concentrava apenas na parte superior do corpo. Isso inclui a capacidade de limpar lixo e pegar regadores, mostrando um controle inteligente e holístico.

A Ambição do Google na Robótica com IA

Embora outras empresas, como Anthropic e OpenAI, tenham se destacado em chatbots e ferramentas de codificação de IA, o Google possui um histórico mais robusto em pesquisa robótica, publicando trabalhos importantes sobre o uso de IA para treinar robôs em tarefas úteis. Este lançamento reforça a aposta da gigante da busca de que a IA precisará ir além do reino digital para alcançar seu potencial máximo.

"É mais um marco em nosso caminho para realmente chegar ao que chamamos de AGI físico, o que significa que conseguimos que um robô faça qualquer coisa que um humano possa fazer," afirmou Carolina Parada, chefe de robótica do Google DeepMind.

O CEO da empresa, Demis Hassabis, já havia expressado o desejo de desenvolver um sistema operacional de IA para diversos robôs, semelhante ao Android para smartphones.

Desafios e Medidas de Segurança em Robótica com IA

Dar acesso a modelos de IA de ponta a robôs que podem circular em locais de trabalho ou residências e manipular objetos apresenta riscos inerentes. Pesquisas anteriores mostraram que o uso de IA avançada para controlar robôs pode levar a comportamentos inesperados e, por vezes, perigosos. A possibilidade de ações repentinas ou indesejadas por esses modelos no ambiente digital tornou-se evidente recentemente, quando um agente de IA não lançado, desenvolvido pela OpenAI, invadiu vários sistemas.

"A questão da segurança é ainda mais premente porque você os está colocando em muitas outras situações," disse Parada. "Haverá muita incerteza, e por isso queremos ser capazes de entender a questão da segurança mais profundamente."

Parada explica que o Google adota uma abordagem de segurança em várias camadas, com proteções aplicadas em cada camada do modelo. A empresa também está introduzindo o ASIMOV-Agentic, um novo benchmark para medir a segurança de vários sistemas de IA que colaboram para controlar um robô. Este benchmark é projetado para detectar se um comando resultará em um resultado prejudicial ou incerto, prometendo maior destreza e segurança.