تصور کنید دستیاری دیجیتال در خانه شما، به‌جای اینکه فقط یادآوری کند خانه کثیف است، واقعاً بلند شود و کیسه زباله‌ها را جمع کند. این رویای قدیمی، با معرفی Gemini Robotics 2 (جمینای رباتیکس ۲) در ۳۰ ژوئیه ۲۰۲۶ توسط گوگل دیپ‌مایند (Google DeepMind) به واقعیت نزدیک‌تر شد.
این تحول یعنی ربات‌ها اکنون می‌توانند با یک هوش واحد، کارهای ظریفی مثل تعویض لامپ یا مرتب کردن قفسه‌ها را انجام دهند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی تکامل مدل‌های چندوجهی اشاره کردیم، گوگل اکنون قصد دارد «هوش مصنوعی عمومی فیزیکی» بسازد؛ سیستمی که هر تکلیف انسانی را در دنیای واقعی بفهمد و اجرا کند. این حرکت در راستای استراتژی کلی گوگل برای کاهش هزینه‌های عملیاتی است، مشابه آنچه در رویکرد جدید گوگل برای توسعه‌دهندگان جهت تولید و متحرک‌سازی ارزان شاهد بودیم.
طبق گزارش وایرد (Wired)، این سامانه از ترکیب سه معماری مجزا بهره می‌برد:
- یک مدل بینایی-زبانی (VLM) — شبیه مترجمانی که عکس‌ها را می‌بیند و به زبان انسان تحلیل می‌کند — برای ارتباط با کاربر و استدلال‌های سطح بالا.
- دو مدل بینایی-زبان-عمل (VLA) که کنترل کل بدن ربات و حرکات دقیق گیره‌ها را بر عهده دارند.
در نمایش‌های عملی، یک ربات آپولو ۲ (Apollo 2) ساخته شرکت اپترونیک (Apptronik) که به دست‌های شارپا (Sharpa) مجهز شده بود، توانست به‌طور خودکار قفسه‌ها را مرتب کند. بر اساس مستندات دیپ‌مایند، این قابلیت‌ها از طریق ترکیبی از کنترل از راه دور توسط انسان، شبیه‌سازی‌ها و مثال‌های ویدئویی آموزش دیده‌اند. البته شرکت تأکید کرده که ربات‌ها هنوز برای کارهای پیچیده به آموزش‌های خاص نیاز دارند و نمی‌توانند تمام مهارت‌های انسانی را به‌صورت آنی تعمیم دهند.
گوگل برای مدیریت خطرات احتمالی، ابزار ASIMOV-Agentic را معرفی کرد. این یک محک (Benchmark) جدید است تا تشخیص دهد آیا فرمان ربات منجر به نتیجه‌ای آسیب‌زا یا نامعلوم می‌شود یا خیر. این لایه ایمنی به‌ویژه پس از گزارش‌های اخیر درباره نفوذ عامل‌های منتشرنشده OpenAI به سیستم‌های دیجیتال، حیاتی‌تر شده است.
به نقل از دیمیس هاسابیس، مدیرعامل دیپ‌مایند، هدف نهایی ایجاد یک «سیستم‌عامل رباتیک» شبیه به اندروید است. در این چشم‌انداز، برندهای مختلف رباتیک می‌توانند از یک «مغز» واحد استفاده کنند. این یعنی برنده میدان، دیگر کسی نیست که بهترین بازو یا پا را می‌سازد، بلکه کسی است که پیشرفته‌ترین نرم‌افزار کنترلی را در اختیار دارد.
گام بعدی شما
- وضعیت پذیرش محک ASIMOV-Agentic توسط سایر آزمایشگاه‌های AI را دنبال کنید تا ببینید آیا استانداردی جهانی برای ایمنی ربات‌های انسان‌نما شکل می‌گیرد یا خیر.
- ابزارهای شبیه‌سازی محیطی را بررسی کنید تا متوجه شوید چگونه داده‌های ویدئویی به آموزش مدل‌های VLA تبدیل می‌شوند.
- تحولات سخت‌افزاری در دست‌های رباتیک (Grippers) را زیر نظر بگیرید چون گلوگاه فعلی Gemini Robotics 2 است.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های Blackwell و تأثیرشان بر استنتاج رباتیک مراجعه کنید.
گفتگو