
مدل جمنای رباتیک ۲ برای درک ویدیو و همکاری رباتها معرفی شد
گوگل دیپمایند مدل جمنای رباتیک ۲ را با تمرکز بر درک ویدیو، هماهنگی وظایف و همکاری چندرباتی معرفی کرد. این مدل گامی مهم در توانایی رباتها برای استدلال و اجرای وظایف واقعی محسوب میشود.
گوگل دیپمایند از نسخه دوم مدل جمنای رباتیک (Gemini Robotics ER 2) رونمایی کرد. این مدل که به گفته این شرکت جهشی در درک ویدیو، هماهنگی ابزارها و همکاری میان چند ربات محسوب میشود، برای کاربردهای رباتیک طراحی شده است. بر اساس اعلام گوگل دیپمایند، جمنای رباتیک ۲ به رباتها کمک میکند تا استدلال کنند، با یکدیگر همکاری نمایند و وظایف دنیای واقعی را حل کنند. این مدل در سه حوزه اصلی درک ویدیو، هماهنگی ابزارها (Tool Orchestration) و همکاری چندرباتی (Multi-Robot Collaboration) پیشرفت داشته است. این نسخه نشاندهنده تمرکز فزاینده شرکتهای بزرگ فناوری بر ترکیب مدلهای زبانی و بینایی با سیستمهای رباتیک است. توانایی درک ویدیو به رباتها اجازه میدهد محیط اطراف خود را بهتر تفسیر کنند و هماهنگی ابزارها امکان استفاده از قابلیتهای متنوع را فراهم میکند. برای توسعهدهندگان ایرانی، این تحول اهمیت ویژهای دارد. آشنایی با معماریهای نوین مدلهای چندوجهی (Multimodal) و نحوه بهکارگیری آنها در سیستمهای رباتیک میتواند زمینهساز پروژههای بومی در حوزه اتوماسیون و رباتیک باشد. همچنین، مطالعه مستندات فنی این مدل میتواند به درک بهتر روندهای جهانی در این حوزه کمک کند. جزئیات فنی بیشتر درباره این مدل و دسترسی به آن هنوز به طور کامل منتشر نشده است، اما انتظار میرود اطلاعات تکمیلی در روزهای آینده از سوی گوگل دیپمایند ارائه شود.
این مدل در اپکس۲۴ قابل دسترس است
یک کلید API — ۵۰+ مدل هوش مصنوعی




