Kodėl jūsų vietinę gamyklą netrukus gali valdyti robotas su „vizualiuoju juodraščiu“

Įsivaizduokite nepavargstantį praktikantą, klaidžiojantį po didžiulį pramoninį kompleksą. Šiam praktikantui nereikia kavos, jam niekada nenusibosta tūkstantąjį kartą žiūrėti į tą patį manometrą, o dabar jis gali atskirti šiek tiek atsilaisvinusį varžtą nuo katastrofiško vamzdžio gedimo su patyrusio inžinieriaus tikslumu. Tai nėra scena iš mokslinės fantastikos filmo perdirbinio; tai apčiuopiamas naujausio „Google DeepMind“ ir „Boston Dynamics“ bendradarbiavimo rezultatas.

2026 m. balandžio 14 d. „Google“ paskelbė apie „Gemini Robotics-ER 1.6“ išleidimą – specializuotą DI modelį, skirtą suteikti tokiems robotams kaip keturkojis „Spot“ „įkūnytą mąstymą“ (angl. embodied reasoning). Paprastai tariant, tai reiškia, kad robotas nebėra tik nuotoliniu būdu valdoma kamera. Jis pradeda suprasti fizinį pasaulį, kuriame gyvena, iš paprasto įrankio tapdamas autonominiu inspektoriumi, gebančiu skaityti analoginius ciferblatus ir atpažinti įrankius netvarkingoje patalpoje beveik žmogaus tikslumu.

„Aklo“ roboto pabaiga

Istoriškai robotai puikiai atlikdavo pasikartojančius veiksmus, tačiau buvo prasti stebėtojai. Jei užprogramuotumėte roboto ranką taškiniu būdu suvirinti automobilio dureles, jis tai padarytų tobulai milijoną kartų. Tačiau jei tos durelės būtų pastumtos penkis centimetrus į kairę, robotas greičiausiai toliau virintų orą. Šis prisitaikymo trūkumas neleido robotams išeiti už griežtai kontroliuojamos aplinkos, pavyzdžiui, surinkimo linijų, ribų.

Šio naujo atnaujinimo pagrindas yra tai, ką „Google“ vadina „agentiškuoju matymu“ (angl. agentic vision). Įsivaizduokite tai kaip vizualųjį juodraštį. Kai robotas žiūri į sudėtingą sceną – tarkime, 50 skirtingų analoginių matuoklių sieną senstančioje jėgainėje – jis ne tiesiog nufotografuoja. Jis naudoja DI modelį, kad „parodytų“ į konkrečius elementus, vykdytų nedideles kodo ištraukas tam, ką mato, patikrinti ir analizuotų duomenis.

Praktiškai tai lėmė milžinišką našumo šuolį. Ankstesnė šio modelio versija (1.5) teisingai nuskaityti prietaisus gebėjo tik apie 23 proc. atvejų. Naujasis 1.6 modelis šį tikslumą padidino iki stulbinančių 98 proc. Vidutiniam vartotojui tai yra skirtumas tarp GPS, kuris retkarčiais liepia įvažiuoti į ežerą, ir tokio, kuris be vargo įveikia sudėtingą penkių krypčių sankryžą.

Kodėl analoginiai matuokliai vis dar svarbi skaitmeniniame pasaulyje

Gali atrodyti nelogiška leisti milijonus dolerių mokant aukštųjų technologijų robotą-šunį skaityti 50 metų senumo analoginį termometrą. Kodėl tiesiog nepakeitus termometro skaitmeniniu jutikliu, siunčiančiu duomenis į debesį?

Žvelgiant į platesnį vaizdą, pasaulinis pramonės stuburas yra neįtikėtinai atsparus ir neįtikėtinai senas. Pakeisti kiekvieną rankinį vožtuvą, stebėjimo stiklą ir manometrą naftos perdirbimo gamykloje ar „Hyundai“ automobilių gamykloje kainuotų milijardus ir pareikalautų mėnesių prastovos. Kur kas lengviau pritaikoma suteikti robotui „akis“, kad jis galėtų skaityti esamą įrangą, nei perstatyti pasaulį taip, kad jis tiktų robotui.

Čia partnerystė su „Boston Dynamics“ tampa itin svarbi. Jų robotas „Spot“ jau išbandomas „Hyundai Motor Group“ priklausančiose gamyklose. Naudodamas „Gemini Robotics-ER 1.6“, „Spot“ dabar gali atlikti „daugiakryptį mąstymą“. Jis gali naudoti įvairius savo kamerų srautus, kad suprastų aplinką 3D formatu, užtikrindamas, kad jis ne tik mato matuoklį, bet ir supranta, kur tas matuoklis yra kitų mechanizmų atžvilgiu.

„Haliucinacijų“ problemos sprendimas

Viena didžiausių kliūčių DI fiziniame pasaulyje yra „haliucinacijos“ – modelių tendencija užtikrintai teigti, kad kažkas yra, kai to nėra. Pokalbių robote haliucinacija yra juokingas nesusipratimas; sunkiosios pramonės aplinkoje, kur robotas stebi lakiąsias chemines medžiagas, haliucinacija yra saugumo košmaras.

„Google“ bandymai parodė, kad 1.6 modelis kur kas geriau išlieka realybėje. Atliekant testą su įrankiais užkrautu stalu, senesnis modelis „pamatė“ karutį, kurio nebuvo, vien todėl, kad jo paprašė tokio paieškoti. Naujasis modelis, priešingai, teisingai atpažino plaktukus, žirkles ir replės, ignoruodamas „apgaulingą“ klausimą. Šis padidintas tikslumas yra pagrindas perkeliant robotus iš laboratorijų į netvarkingą, nenuspėjamą realų pasaulį.

Saugumas pirmiausia: robotas kaip sargas

Be matuoklių skaitymo, naujasis modelis apibūdinamas kaip saugiausias iki šiol sukurtas „Google“ modelis. Jis buvo apmokytas suprasti fizinės saugos apribojimus, pavyzdžiui, kaip elgtis su skysčiais jų neišlaistant arba kaip judėti aplink žmones.

Kitaip tariant, DI mokosi fizinio pasaulio „sveiko proto“ taisyklių. Dabar jis gali suvokti sužalojimo riziką sudėtingais scenarijais – pavyzdžiui, atpažinti, kad vaikas šalia elektros lizdo yra didelės rizikos situacija. Nors mums dar toli iki roboto, turinčio žmogaus lygio etikos supratimą, šie nedideli žingsniai link „įkūnyto mąstymo“ yra būtini decentralizuotai robotikos ateičiai, kurioje mašinos dirbs kartu su mumis, o ne už apsauginės tvoros.

Ką tai reiškia jums

Vartotojo požiūriu, tikėtina, kad artimiausiu metu neturėsite „Spot“ šuns, nuskaitančio jūsų namų termostatą. Tačiau šalutinis poveikis yra reikšmingas.

1. Mažesnės sąnaudos, mažiau gedimų: Pramoniniams objektams tampant efektyvesniems ir mažiau linkusiems į žmogaus klaidas ar įrangos gedimus, prekių – nuo automobilių iki elektros – gamybos kaina tampa stabilesnė.
2. Regėjimo demokratizacija: Čia sukurta „agentiškojo matymo“ technologija ilgainiui pasieks ir vartotojų įrenginius. Įsivaizduokite išmaniojo telefono programėlę, kuri ne tik nufotografuoja jūsų saugiklių dėžutę, bet ir tiksliai pasako, kuris jungiklis išsijungė ir kodėl.
3. Saugos standartai: Matome naujos DI saugos sistemos gimimą. Šiems modeliams mokantis gerbti fizines ribas, klojamas pagrindas pažangesniems namų asistentams ir pristatymo robotams, šalia kurių būti yra tikrai saugu.

Galiausiai, tai ne tik apie robotą-šunį, žiūrintį į termometrą. Tai apie skaitmeninio intelekto susiliejimą su fiziniu buvimu. Judame link pasaulio, kuriame duomenų „skaitmeninę žalią naftą“ išgauna ir apdirba mašinos, kurios pagaliau gali matyti pasaulį taip pat aiškiai kaip ir mes.

Leisdami savo dieną, akimirką pažvelkite į nematomą pramoninę mechaniką aplink jus – vamzdžius rūsyje, skaitiklius namo šone, sudėtingą įrangą maisto prekių parduotuvės gale. Dešimtmečius jiems reikėjo žmogaus akių poros, kad būtų užtikrintas saugumas. Dabar žengiame į erą, kai tos akys niekada nemirksi, niekada nepavargsta ir – vizualiojo juodraščio dėka – retai klysta.