Google DeepMind, en güçlü görüntü-dil-eylem modeli olduğunu söylediği Gemini Robotics 2.5'i yayımladı: şirket ölçümlerine göre model, görev türüne göre önceki temel çizgilere göre yüzde 30 ilâ 100 daha yüksek başarı ve yüzde 20-30 daha hızlı tamamlama sunuyor. Model, Mercedes-Benz'in Almanya ve Macaristan'daki hatlarında Apptronik'in Apollo 2 insansı robotuyla yürütülen denemede otomotiv parçalarını yüzde 96 başarıyla ayıkladı. Erişim şimdilik robotik ortaklarla ve erken erişim bekleme listesiyle sınırlı; duyuru, NVIDIA'ın da yeni robot modelini tanıttığı Austin'deki robot öğrenme konferansıyla aynı haftaya denk geldi.
Google DeepMind, fiziksel yapay zekâ hattının yeni sürümünü duyurdu: Gemini Robotics 2.5, şirketin bugüne kadarki ‘en yetenekli’ görüntü-dil-eylem modeli. Bu mimari, talimatları ve canlı görüntüyü fiziksel robot eylemine çeviriyor. DeepMind’ın aktardığına göre yeni sürümün iki katkısı var: bir robotun ÖĞRENEBİLDİĞİ becerilerin çeşitliliği ve bu becerileri edinme hızı büyüyor — çamaşır katlamadan, pastane tipinde servis yapmaya, fabrika zemininde otomotiv parçası ayıklamaya uzanan ‘yüzlerce gündelik beceri’ ifadesi duyurunun merkezinde. Platform iki katmanlı yürüyor: canlı videoyla görevin NASIL yapılacağını planlayan embodied-reasoning (bedensel-akıl yürütme) katmanı Gemini Robotics ER ile hareketleri üreten ve 2.5 sürümüne ulaşan eylem modeli.
Sayılar şirket ölçümü olarak okunmalı ama iddialı: DeepMind, 200 ayrı görev üzerinde test ettiğini, görev türüne göre önceki temel çizgilere göre yüzde 30 ilâ 100 daha yüksek başarı oranı ve yüzde 20-30 daha hızlı görev tamamlama bildiriyor. Görev listesi hüner de içeriyor: hediye kutularına fiyonk bağlamak, pipete sıvı taşımak, maşa ile yemek servisi gibi yüksek el becerisi isteyen senaryolar. Modelin ‘yönlendirilebilirliği’ de vurgulanıyor: insan-farkındalıklı güvenli eylemler için ayarlanabilen davranış profilleri.
En somut sonuç fabrikadan geliyor: Apptronik’in Apollo 2 insansı robotu, Mercedes-Benz’in Almanya ve Macaristan’daki üretim hatlarında tedarik kutularından otomotiv parçalarını alıp sıralama tepsilerine yerleştirdi — DeepMind’ın raporladığı kavram-kanıtı başarı oranı yüzde 96. İşbölümü iki katman arasında: ER modeli iş akışını izlerken, 2.5 eylem modeli elleri ve kolları yönetti. Şirket, bu pilotun test edilen iş akışına özgü olduğu notunu taşıyor; genel kullanım değil. Duyuruda Agile, Apptronik ve Mercedes-Benz ekipleri işbirlikçi olarak anılıyor.
Güvenlik tarafı da paketin parçası: DeepMind, jailbreak (kısıt aşma) dayanıklılığını test etmek için ASIMOV-Jailbreak adlı açık kaynak kıyaslama setini yayımladı — düzineyle sahneye yayılmış, güvenli olmayan istekleri gizleyen yüzlerce istem içeriyor. Şirket ayrıca güvenlik raporunda, ajan temelli robotik değerlendirmelerinde — güvenli olmayan görevleri reddetme, belirsizliği çözme ve insan yakınında çalışma — Gemini 4 Argon’un önde olduğunu yazıyor. Erişim modeli dikkatli: herkese açık API yok; robotik ortaklar ve erken erişim bekleme listesi var.
Zamanlamanın sektör haritasındaki yeri ilginç: duyuru, Austin’deki Robot Öğrenme Konferansı (CoRL) haftasına denk geldi — NVIDIA da aynı konferansta GR00T 2 dünya-eylem modelini tanıtmıştı. Bir hafta içinde iki büyük oyuncunun fiziksel yapay zekâya ayrı stratejilerle yüklenmesi tabloyu netleştiriyor: NVIDIA robotlara insan videolarından öğrenme verisi ve simülasyon altyapısı verirken, Google kendi sınır modellerini (Argon/Carbon hattı) robot beynine taşıyor. DeepMind blogunda ‘robotların laboratuvardan çıkıp daha yapılandırılmamış gerçek dünya ortamlarına girmesi’ hedefi yazılı; sıradaki kapılar — genel erişim, yeni ortak pilotları ve bağımsız kıyaslama sonuçları — izlemede.