Google DeepMind ra mắt Gemini Robotics ER 2 giúp nâng cao khả năng lập luận hiện thân
Google DeepMind đã ra mắt Gemini Robotics ER 2, mô hình lập luận hiện thân (embodied reasoning) tiên tiến nhất của hãng, đóng vai trò như bộ não cấp cao cho robot. Mô hình này hỗ trợ phân tích luồng video liên tục, lập luận song song để giảm độ trễ và khả năng phối hợp giữa nhiều robot. Mô hình này cải thiện đáng kể hiệu suất của robot bằng cách cho phép chúng theo dõi tiến trình công việc theo thời gian thực, tự sửa lỗi và phối hợp với các máy móc khác. Nhờ đạt được độ trễ dưới một giây với chi phí tính toán thấp hơn, nó giúp đưa robot vận hành bằng AI đến gần hơn với việc triển khai thực tế một cách an toàn. Gemini Robotics ER 2 đạt tỷ lệ chính xác 91,3% trong các tác vụ xác định thời điểm (moment-finding) và chạy nhanh gấp bốn lần so với các dòng mô hình lớn hơn. Mô hình tích hợp với Gemini Live API để truyền phát dữ liệu độ trễ thấp và hiện đã có sẵn cho các nhà phát triển thông qua Gemini API và Google AI Studio.
## KIẾN THỨC NỀN
Lập luận hiện thân (embodied reasoning) là một quá trình nhận thức, trong đó tác nhân AI hoặc robot liên kết việc lập kế hoạch cấp cao của nó với các giới hạn vật lý của cơ thể và môi trường xung quanh. Trong kiến trúc robot, các mô hình lập luận cấp cao đóng vai trò là "bộ não" lập kế hoạch cho các tác vụ, sau đó các tác vụ này được chuyển dịch thành chuyển động vật lý bởi các mô hình Thị giác-Ngôn ngữ-Hành động (VLA) cấp thấp hơn.