Ambos modelos, basados ​​en su IA Gemini 2.0, permiten a diversos robots realizar en el mundo real una gama de tareas más amplia.

El primero es un modelo avanzado de visión-lenguaje-acción (VLA) que incorpora acciones físicas como nueva modalidad para controlar directamente a los robots.

Así, Gemini Robotics puede abordar tareas extremadamente complejas y de varios pasos que requieren una manipulación precisa, como plegar un origami o meter un bocadillo en una bolsa con cierre de ‘zip’, explica Google en su blog.

Por su parte, Gemini Robotics-ER es un modelo de visión-lenguaje (VLM) con una comprensión espacial avanzada, que permite a los expertos en robótica ejecutar sus propios programas utilizando el razonamiento corporal de Gemini.

Así, este modelo mejora «con creces» capacidades como la de apuntar y la detección 3D para, por ejemplo, cuando se le muestra una taza de café, el modelo pueda intuir un agarre adecuado para cogerla por el asa y una trayectoria segura para acercarse a ella.

Estas capacidades de razonamiento, conseguidas al incorporar Gemini a ambos modelos, permiten a los diversos robots realizar una gama más amplia de tareas en el mundo real, indica la compañía, que se ha asociado con Apptronik para crear esta próxima generación de robots humanoides.

 

Ver esta publicación en Instagram

 

Una publicación compartida por Google DeepMind (@googledeepmind)

De interés: Google lanza un modo con inteligencia artificial en su buscador

DOBLE LLAVE

Con información de EFE Servicios y redes sociales

Fuente de imagen referencial: EFE/Google DeepMind

Visita nuestro canal de noticias en Google News y síguenos para obtener información precisa, interesante y estar al día con todo. También en X/Twitter e Instagram puedes conocer diariamente nuestros contenidos