Gemini Robotics 2.5 من Google DeepMind يجرّب العمل على خطوط إنتاج Mercedes-Benz

في مصنع سيارات يعمل فيه العمال منذ سنوات بإيقاع ثابت، يقف اليوم زميل جديد لا يتعب: روبوت بشري الشكل يمد يده إلى صندوق مليء بالقطع المعدنية، يختار واحدة، ثم يضعها في مكانها الصحيح. هذا المشهد لم يعد عرضاً في معرض تقني، بل تجربة على خطوط إنتاج حقيقية، أعلنت Google DeepMind نتائجها مع نموذجها الجديد Gemini Robotics 2.5.

بحسب تقرير The Decoder، فإن Gemini Robotics 2.5 نموذج من نوع الرؤية واللغة والحركة، أي أنه يعالج المعلومات البصرية ويفهم التعليمات المكتوبة أو المنطوقة ثم يحوّلها إلى حركات للروبوت. ويبني النموذج على سلفه الذي قُدّم في وقت سابق من هذا العام، والذي صُمم ليمنح الروبوتات تحكماً كاملاً في أجسادها للمرة الأولى.

وتقول Google DeepMind إنها اختبرت النموذج على أكثر من 200 مهمة، منها تقديم الطعام بالملقط وسحب السوائل بالماصة، وإنه حقق نسبة نجاح أعلى بين 30 و100 في المئة مقارنة بنماذجها السابقة بحسب نوع المهمة، مع إنجاز المهام أسرع بنسبة 20 إلى 30 في المئة.

أجرت Google DeepMind التجربة بالتعاون مع Apptronik وMercedes-Benz على خطوط إنتاج عاملة في كيتشكيميت بالمجر وزيندلفينغن بألمانيا. تولّى الروبوت Apollo 2 مهمة التجهيز، فكان يفرز القطع المعدنية من صناديق كبيرة ويضعها في صوانٍ بالترتيب الذي تحتاجه كل سيارة على خط التجميع.

وعمل نموذجان معاً في هذه التجربة: Gemini Robotics ER يراقب سير العمل، بينما يتحكم Gemini Robotics 2.5 في اليدين والذراعين. وتشير الشركة إلى أن نسبة النجاح في هذه التجربة بلغت 96 في المئة.

صُمم النموذج ليعمل مع أنواع مختلفة من الروبوتات، منها Apollo 2 من Apptronik بيده ذات الأصابع الخمسة و22 درجة حرية، ومنصة Franka Duo بقابضين ثنائيي الأصابع. هذه المرونة تعني أن النموذج نفسه يمكن أن ينتقل بين أجسام مختلفة دون إعادة بناء كاملة.

بحسب Google DeepMind، يعتمد النموذج على تحكم لحظي يسمح للروبوت بتجنب المخاطر المادية أثناء أداء المهمة. وفي تقييمات الشركة، تحسّن إكمال المهام بأمان بنسبة 33 في المئة قرب العوائق وبنسبة 43 في المئة قرب البشر.

كما نشرت الشركة معياراً مفتوح المصدر باسم ASIMOV-Jailbreak على Hugging Face، يضم مئات الطلبات التي تخفي أوامر غير آمنة داخل عشرات المشاهد، لاختبار ما إذا كان يمكن خداع نماذج الروبوتات لتنفيذ أفعال خطرة. وتقول الشركة إن نموذجها Gemini 4 Argon حقق مقاومة بنسبة 99.5 في المئة، مقابل 82 في المئة لسلفه Gemini Robotics ER 2.

استخدمت Google DeepMind نموذجها اللغوي Gemini 4 Argon محركاً للمحاكاة خلال تطوير Gemini Robotics 2.5، إذ يستطيع توليد آلاف الجولات التدريبية المحاكاة من مشهد كاميرا حقيقي وإنشاء نسخة رقمية منه. ومع العروض التدريبية الواقعية، يُفترض أن يساعد ذلك الروبوت على التكيف أسرع مع المشاهد والأجسام الجديدة.

ما يجعل هذه التجربة لافتة ليس الرقم وحده، بل المكان الذي تحقق فيه: خط إنتاج حقيقي بكل فوضاه وتفاصيله. وبين نسبة نجاح مرتفعة ومهام ما زالت محدودة، يبقى السؤال الأهم مفتوحاً حول الشكل الذي سيأخذه العمل في المصانع حين يصبح الروبوت جزءاً عادياً من المشهد.