رباتهای شبیه انسان به دنیای واقعی نزدیکتر شدند؛ معرفی جمنای رباتیکس ۲٫۵ توسط گوگل

به عنوان یک نمونه، اگر شخصی در حین جابهجایی یک جسم به ربات نزدیک شود، سیستم باید توانایی تشخیص وضعیت را داشته باشد و اقداماتی امنتر را اتخاذ کند.
این تکنولوژی از نوعی استدلال در حین اجرا بهره میبرد؛ به این معنا که ربات فقط به برنامه اصلی متکی نیست و میتواند بر اساس وقایع موجود در محیط، تصمیمهای خود را بهینهسازی کند.
مطابق با تحلیلهای گوگل، کاربری این قابلیت، درصد موفقیت ایمن در انجام وظایف در حضور موانع را ۳۳ درصد و در فعالیت نزدیک به انسانها را ۴۳ درصد افزایش داده است.
این آمار نشاندهنده بهبود عملکرد مدل در تستهای مشخص شده است و گواهی بر ایمنی تمام فعالیتهای ربات در شرایط واقعی به شمار نمیآید.
بخش قابل توجه دیگر این پروژه، مقابله با دستورات مخرب است که ممکن است رفتار ربات را دستخوش تغییر کند.
گوگل در کنار ارائه مدل جدید، سیستم امنیتی متنباز ASIMOV-Jailbreak را نیز به نمایش گذاشته که شامل صدها آزمایش در انواع موقعیتهای مختلف میباشد که درخواستهای مخاطرهآمیز را به اشکال گوناگون پنهان میکند.
هدف از این آزمون، ارزیابی قدرت مدلهای هوش مصنوعی در تشخیص و رد درخواستهای ناایمن است؛ بهویژه در زمانی که ربات باید در یک محیط واقعی و نزدیک به انسانها عمل کند.
در سنجشهای گوگل، مدل Gemini 4 Argon موفق شده است تا در ۹۹٫۵ درصد موارد از خود در برابر تلاشها برای دور زدن محدودیتهای حفاظتی دفاع کند. این در حالی است که میزان موفقیت مدل قبلی Gemini Robotics ER فقط ۸۲ درصد بوده است.
نکته حائز اهمیت این است که درصد ۹۹٫۵ متعلق به مدل Gemini 4 Argon است و نمیتوان بهطور مستقیم آن را به Gemini Robotics 2.5 نسبت داد.
همچنین، گوگل اعلام کرده است که Gemini 4 Argon در ارزیابیهای مربوط به رد درخواستهای خطرناک، توانایی خوبی در تصمیمگیری در شرایط نا معلوم و عملکرد رباتها در نزدیکی انسانها از خود نشان داده است.
نقش Gemini 4 Argon در تعلیم نسل جدید رباتها
پیشرفتی که در جمنای رباتیکس ۲٫۵ حاصل شده، تا حد بسیاری به مدد مدل هوش مصنوعی دیگری از گوگل به نام Gemini 4 Argon میسر شده است.
آموزش رباتها در محیط واقعی معمولاً فرایندی طولانی و پرهزینه به شمار میرود. برای آنکه یک ربات بتواند مهارت جدیدی را فرا بگیرد، محققان میبایست دادههای زیادی از اشیا، محیطها و حرکات مختلف گردآوری کنند.
گوگل برای کاهش این وابستگی به دادههای فیزیکی، از Gemini 4 Argon بهعنوان موتور شبیهسازی بهره میبرد.



