Google DeepMind ने रोबोट को नियंत्रित करने वाला AI मॉडल Gemini Robotics 2.5 पेश किया है। Google के मुताबिक, इस मॉडल का इस्तेमाल करने वाले रोबोट ने Mercedes-Benz की फैक्ट्रियों में वाहन के पुर्जों की छंटाई में 96 प्रतिशत सफलता हासिल की।
Google DeepMind ने Gemini Robotics 2.5 को 200 से अधिक कामों पर परखा, जिनमें चिमटे से खाद्य सामग्री उठाने से लेकर पिपेट चलाना तक शामिल था। Google के मुताबिक, प्रयोगशाला के परीक्षणों में पिछले संस्करण के मुकाबले सफलता दर 30 से 100 प्रतिशत अधिक और रफ्तार 20 से 30 प्रतिशत तेज रही।
प्रयोगशाला के बाहर, यूरोप में Mercedes-Benz की फैक्ट्रियों में Apptronik Apollo 2 रोबोट ने वाहन के पुर्जे तैयार करने के लिए इस मॉडल का इस्तेमाल किया। उनकी 96 प्रतिशत सफलता दर बार-बार किए जाने वाले तैयारी के काम की व्यावहारिक संभावना दिखाती है, लेकिन यह इस बात का प्रमाण नहीं है कि वे पूरी शिफ्ट का काम संभाल सकते हैं।
यह AI मॉडल कैमरे से दिखने वाले दृश्यों और भाषा में दिए गए निर्देशों को रोबोट की गतिविधियों में बदलता है। ट्रेनिंग के दौरान Gemini 4 Argon ने वास्तविक कैमरा डेटा से अभ्यास के हजारों सिम्युलेटेड रूप तैयार किए, जिन्हें DeepMind ने वास्तविक दुनिया में काम करके दिखाए गए उदाहरणों के साथ जोड़ा।
Gemini Robotics 2.5, Google के रोबोटिक्स साझेदारों के लिए उपलब्ध है, लेकिन अभी आम तौर पर उपलब्ध नहीं है। यह क्लाउड सर्वर पर भी चलता है, इसलिए फैक्ट्री ऑटोमेशन का आकलन करने वाली कंपनियों को विश्वसनीयता में बची कमी के साथ-साथ प्रतिक्रिया में लगने वाली देरी को भी ध्यान में रखना होगा।
पूरी शिफ्ट में भरोसेमंद संचालन अभी साबित नहीं हुआ है, इसलिए फैक्ट्री के नतीजे के आधार पर यह मानना जल्दबाजी होगी कि इंसानों के काम की जगह रोबोट ले सकते हैं।
पहुंच चुनिंदा साझेदारों तक सीमित होने के कारण ज्यादातर कंपनियां अभी अपने कामकाज में इस मॉडल को परख नहीं सकतीं।
क्लाउड पर निर्भरता के कारण प्रतिक्रिया में लगने वाला समय एक व्यावहारिक बाधा है, जिसे सिर्फ प्रयोगशाला में सटीकता बढ़ने से दूर नहीं किया जा सकता।
यह पोस्ट ऊपर के स्रोत से Made in 10 समाचार कक्ष ने अपने-आप लिखी है।
ByteDance ने एआई इमेज मॉडल Seedream 5.5 जारी किया है, जिसे उसके चीनी ऐप्स और क्लाउड के जरिए चरणबद्ध तरीके से उपलब्ध कराया जा रहा है। ByteDance का कहना है कि यह एडिटिंग के 100 दौर के दौरान तस्वीर के उन हिस्सों को जस का तस रखता है जिन्हें बदला नहीं गया है, लेकिन इसके प्रदर्शन के दावों की पुष्टि नहीं हुई है।
Otter अपनी AI मीटिंग ट्रांसक्रिप्शन सेवा का विस्तार 31 भाषाओं तक कर रहा है और बातचीत के दौरान भाषा बदलने पर भी ट्रांसक्रिप्शन की सुविधा जोड़ रहा है। 13 नई भाषाएं अभी उपलब्ध हैं, जबकि 14 और भाषाएं और अपने-आप भाषा बदलने की सुविधा बाद में आएंगी।
Nominal ने हार्डवेयर इंजीनियरिंग के अपने AI प्लेटफॉर्म के लिए सीरीज C फंडिंग में $240 मिलियन जुटाए हैं। इस दौर में कंपनी का मूल्यांकन $3 बिलियन है और फंडिंग का इस्तेमाल अधिक AI एजेंट बनाने तथा नए उद्योगों और क्षेत्रों में विस्तार के लिए किया जाएगा।