Η Google φέρνει την τεχνητή νοημοσύνη από τις οθόνες και τα εργαστήρια στις πραγματικές γραμμές παραγωγής αυτοκινήτων. Με το νέο Gemini Robotics 2.5, ανθρωποειδή ρομπότ Apollo 2 της Apptronik ανέλαβαν την ταξινόμηση και προετοιμασία εξαρτημάτων σε εργοστάσια της Mercedes-Benz στη Γερμανία και την Ουγγαρία, επιτυγχάνοντας ποσοστό επιτυχίας 96%. Η ανακοίνωση της Google DeepMind, , αποτυπώνει την πρόοδο της λεγόμενης Physical AI, της τεχνητής νοημοσύνης που επιτρέπει στις μηχανές να αντιλαμβάνονται το φυσικό περιβάλλον και να εκτελούν εργασίες με πραγματικά αντικείμενα.
Οι δοκιμές πραγματοποιήθηκαν σε ενεργές γραμμές παραγωγής της Mercedes-Benz στο Sindelfingen της Γερμανίας και στο Kecskemét της Ουγγαρίας. Τα ρομπότ ανέλαβαν να συλλέγουν μεταλλικά εξαρτήματα από δοχεία αποθήκευσης και να τα τοποθετούν με συγκεκριμένη σειρά σε δίσκους προετοιμασίας για τη συναρμολόγηση αυτοκινήτων. Πρόκειται για πραγματική βιομηχανική δοκιμή και όχι για εμπορική εγκατάσταση μεγάλης κλίμακας, με τη Google να επιδιώκει να αποδείξει ότι τα νέα AI models μπορούν να λειτουργούν αξιόπιστα σε περιβάλλοντα που μέχρι σήμερα απαιτούσαν ανθρώπινη παρέμβαση ή εξειδικευμένο προγραμματισμό ρομπότ.
Τα ανθρωποειδή Apollo 2 αναλαμβάνουν δουλειές στη Mercedes-Benz
Η συνεργασία της Mercedes-Benz με την αμερικανική Apptronik δεν ξεκίνησε τώρα. Οι δύο εταιρείες είχαν ανακοινώσει από τον Μάρτιο του 2024 την πρόθεσή τους να αξιοποιήσουν ανθρωποειδή ρομπότ για εργασίες εφοδιασμού και μεταφοράς εξαρτημάτων μέσα σε εργοστάσια.
Η νεότερη δοκιμή, ωστόσο, προσθέτει έναν σημαντικό παράγοντα: το Gemini Robotics 2.5 της Google DeepMind, το οποίο αναλαμβάνει να μετατρέπει πληροφορίες από το περιβάλλον σε συγκεκριμένες κινήσεις.
Το Apollo 2 δεν λειτουργεί απλώς με μια προκαθορισμένη ακολουθία εντολών. Χρησιμοποιεί κάμερες και συστήματα αντίληψης για να αναγνωρίζει τη θέση των αντικειμένων, να σχεδιάζει τις κινήσεις του και να προσαρμόζεται όταν κάποιο εξάρτημα δεν βρίσκεται ακριβώς εκεί όπου αναμενόταν.
Στη δοκιμή της Mercedes-Benz, το ανθρωποειδές ρομπότ αναλάμβανε την εργασία που στη βιομηχανία ονομάζεται automotive kitting.
Πρόκειται για την επιλογή και οργάνωση των κατάλληλων εξαρτημάτων σε συγκεκριμένη σειρά, έτσι ώστε να είναι έτοιμα για τους εργαζομένους που συναρμολογούν το κάθε αυτοκίνητο.
Για παράδειγμα, αντί ένας εργαζόμενος να αναζητά διαφορετικά μεταλλικά στηρίγματα σε μεγάλα δοχεία, το Apollo 2 μπορούσε να εντοπίζει τα κατάλληλα τεμάχια και να τα τοποθετεί στον προβλεπόμενο δίσκο.
Η Google αναφέρει ότι η συγκεκριμένη εργασία ολοκληρώθηκε με ποσοστό επιτυχίας 96%, αποτέλεσμα που δείχνει ουσιαστική πρόοδο στην ακρίβεια χειρισμού αντικειμένων.
Πώς το Gemini Robotics 2.5 ελέγχει τις κινήσεις των ρομπότ
Η τεχνολογία βασίζεται σε μια κατηγορία μοντέλων που ονομάζονται Vision-Language-Action ή VLA.
Σε αντίθεση με τα συμβατικά γλωσσικά μοντέλα, τα οποία επεξεργάζονται κυρίως κείμενο και άλλες μορφές ψηφιακών πληροφοριών, τα VLA συνδέουν την οπτική αντίληψη και τις εντολές με πραγματικές κινήσεις ενός ρομπότ.
Στην περίπτωση του Apollo 2, δύο συστήματα AI συνεργάζονται για την ολοκλήρωση των εργασιών.
Το Gemini Robotics ER αναλαμβάνει την κατανόηση του περιβάλλοντος, τον σχεδιασμό των επιμέρους βημάτων και την παρακολούθηση της προόδου.
Το Gemini Robotics 2.5 μετατρέπει αυτά τα σχέδια σε κινήσεις των χεριών και των βραχιόνων, επιτρέποντας στο ρομπότ να πιάσει και να μετακινήσει αντικείμενα με ακρίβεια.
Τα νέα ρομποτικά χέρια SharpaWave διαθέτουν πέντε δάχτυλα και 22 βαθμούς ελευθερίας, προσφέροντας μεγαλύτερη ευελιξία στον χειρισμό αντικειμένων διαφορετικών σχημάτων.
Η δυνατότητα αυτή είναι ιδιαίτερα σημαντική σε πραγματικά εργοστάσια, όπου τα εξαρτήματα δεν βρίσκονται πάντοτε στην ίδια ακριβώς θέση και οι συνθήκες μπορεί να μεταβάλλονται κατά τη διάρκεια της παραγωγής.
Περισσότερες από 200 εργασίες και έως 30% μεγαλύτερη ταχύτητα
Πέρα από τις δοκιμές στη Mercedes-Benz, η Google αξιολόγησε το Gemini Robotics 2.5 σε περισσότερες από 200 διαφορετικές εργασίες χειρισμού αντικειμένων.
Οι δοκιμές περιλάμβαναν από σχετικά απλές κινήσεις, όπως η μεταφορά αντικειμένων, μέχρι πιο σύνθετες διαδικασίες που απαιτούν λεπτό χειρισμό και συντονισμό πολλών κινήσεων.
Μεταξύ αυτών ήταν η χρήση λαβίδας για τη μεταφορά τροφίμων, το δέσιμο κορδέλας, το δίπλωμα ρούχων και ο χειρισμός εργαστηριακού εξοπλισμού.
Σύμφωνα με τις μετρήσεις της Google DeepMind, το νέο μοντέλο κατέγραψε βελτίωση του ποσοστού επιτυχίας κατά 30% έως 100% σε σύγκριση με προηγούμενα συστήματα αναφοράς, ανάλογα με την εργασία.
Παράλληλα, η ολοκλήρωση των δοκιμαζόμενων εργασιών ήταν κατά 20% έως 30% ταχύτερη.
Οι επιδόσεις αυτές δείχνουν ότι η βελτίωση δεν περιορίζεται στην εκτέλεση μίας συγκεκριμένης κίνησης. Η Google επιχειρεί να δημιουργήσει ένα γενικότερο σύστημα ελέγχου που θα μπορεί να προσαρμόζεται σε διαφορετικές εργασίες και σε διαφορετικούς τύπους ρομπότ.
Το Gemini Robotics 2.5 υποστηρίζει ήδη τόσο ανθρωποειδή, όπως το Apollo 2, όσο και ρομποτικές πλατφόρμες με δύο βραχίονες, όπως το Franka Duo.
Το Gemini 4 Argon επιταχύνει την εκπαίδευση των ρομπότ
Ένα ακόμη ενδιαφέρον στοιχείο της ανακοίνωσης είναι ο ρόλος του Gemini 4 Argon στην ανάπτυξη του νέου συστήματος.
Η εκπαίδευση ρομπότ σε πραγματικές συνθήκες απαιτεί συνήθως μεγάλο αριθμό επαναλήψεων, με αποτέλεσμα να είναι χρονοβόρα και δαπανηρή.
Η Google χρησιμοποίησε το Gemini 4 Argon ως εργαλείο προσομοίωσης, δημιουργώντας χιλιάδες διαφορετικά ψηφιακά σενάρια από εικόνες πραγματικών χώρων.
Με αυτόν τον τρόπο, το σύστημα μπορεί να εξασκείται εικονικά σε διαφορετικές θέσεις αντικειμένων, εμπόδια και συνθήκες, πριν δοκιμάσει τις κινήσεις σε πραγματικό hardware.
Το μοντέλο μπορεί επίσης να αναλύει βίντεο αποτυχημένων προσπαθειών, να εντοπίζει πιθανούς λόγους αποτυχίας και να υποστηρίζει τον σχεδιασμό βελτιώσεων.
Σύμφωνα με τον Jeff Cardenas, συνιδρυτή και διευθύνοντα σύμβουλο της Apptronik, τα μοντέλα παρουσίασαν σημαντική βελτίωση μέσα σε λίγες εβδομάδες πρόσθετης εκπαίδευσης, με τις επιδόσεις τους να διατηρούνται σε μεγάλο βαθμό όταν μεταφέρθηκαν στις γραμμές παραγωγής της Mercedes-Benz.
Η ασφάλεια αποτελεί βασική πρόκληση για τα ανθρωποειδή ρομπότ
Η λειτουργία ανθρωποειδών ρομπότ σε εργοστάσια δημιουργεί διαφορετικές απαιτήσεις ασφάλειας από εκείνες των συμβατικών βιομηχανικών μηχανημάτων.
Ένας παραδοσιακός ρομποτικός βραχίονας λειτουργεί συχνά σε σαφώς οριοθετημένο χώρο, εκτελώντας συγκεκριμένες κινήσεις.
Ένα ανθρωποειδές ρομπότ που κινείται ανάμεσα σε ανθρώπους πρέπει να αναγνωρίζει εμπόδια, να προσαρμόζει τη συμπεριφορά του και να αποφεύγει επικίνδυνες επαφές.
Η Google αναφέρει ότι το Gemini Robotics 2.5 διαθέτει αναβαθμισμένους μηχανισμούς ελέγχου κινήσεων, οι οποίοι αξιολογούν πιθανούς κινδύνους κατά την εκτέλεση μιας εργασίας.
Στις εσωτερικές δοκιμές της εταιρείας, η επιτυχής ολοκλήρωση εργασιών με ασφαλή αποφυγή εμποδίων βελτιώθηκε κατά 33%, ενώ η αντίστοιχη επίδοση σε περιβάλλοντα με κοντινή παρουσία ανθρώπων αυξήθηκε κατά 43%.
Παράλληλα, η Google παρουσίασε το ASIMOV-Jailbreak, ένα νέο εργαλείο αξιολόγησης που εξετάζει κατά πόσο ένα ρομποτικό σύστημα μπορεί να αντισταθεί σε παραπλανητικές ή επικίνδυνες εντολές.
Οι δοκιμές αυτές είναι σημαντικές, καθώς ένα λάθος σε ένα chatbot μπορεί να οδηγήσει σε ανακριβή πληροφορία, ενώ ένα λάθος σε ένα φυσικό ρομπότ μπορεί να προκαλέσει ζημιά σε εξοπλισμό ή τραυματισμό.
Τι σημαίνει το ποσοστό επιτυχίας 96% για την αυτοκινητοβιομηχανία
Το αποτέλεσμα της Mercedes-Benz αποτελεί μια σημαντική ένδειξη τεχνολογικής προόδου, αλλά δεν σημαίνει ότι τα ανθρωποειδή ρομπότ είναι ήδη έτοιμα να αντικαταστήσουν τους εργαζομένους στις γραμμές συναρμολόγησης.
Η δοκιμή αφορούσε συγκεκριμένη εργασία προετοιμασίας εξαρτημάτων και όχι τη συνολική κατασκευή αυτοκινήτων.
Επιπλέον, η Google δεν δημοσίευσε τον ακριβή αριθμό δοκιμών πάνω στον οποίο υπολογίστηκε το 96%, ούτε στοιχεία για τη διάρκεια συνεχούς λειτουργίας ή τη συχνότητα ανθρώπινης παρέμβασης.
Αυτές οι πληροφορίες είναι ιδιαίτερα σημαντικές στη βιομηχανική παραγωγή, όπου ακόμη και ένα μικρό ποσοστό αποτυχιών μπορεί να επηρεάσει τον ρυθμό λειτουργίας ενός εργοστασίου.
Η αξία της τεχνολογίας βρίσκεται κυρίως στην προοπτική αυτοματοποίησης επαναλαμβανόμενων και σωματικά απαιτητικών εργασιών, επιτρέποντας στους εργαζομένους να επικεντρώνονται σε πιο σύνθετες διαδικασίες συναρμολόγησης, ελέγχου και συντήρησης.
Η Mercedes-Benz επενδύει ήδη σε τέτοιες εφαρμογές, ενώ η Apptronik αναπτύσσει το Apollo 2 με στόχο τη χρήση του σε βιομηχανικές εγκαταστάσεις και κέντρα logistics.
Το Gemini Robotics 2.5 διατίθεται αρχικά σε συνεργαζόμενες εταιρείες ρομποτικής και όχι ως γενικά διαθέσιμο εμπορικό προϊόν.
Η δοκιμή στα εργοστάσια της Mercedes-Benz δείχνει ότι η τεχνητή νοημοσύνη αρχίζει να αποκτά συγκεκριμένο παραγωγικό ρόλο πέρα από τις ψηφιακές εφαρμογές. Η μετάβαση από τα πιλοτικά προγράμματα στη συνεχή βιομηχανική λειτουργία θα απαιτήσει πρόσθετες δοκιμές αξιοπιστίας, ασφάλειας και οικονομικής αποδοτικότητας.
