Gemini Robotics 2.5 يفرز القطع على خط إنتاج مرسيدس بدقة 96%

تخيّلوا خط تجميع: قطع معدنية مكدّسة في حاويات، ويجب توزيعها على صوانٍ بحيث تصل مجموعة كل سيارة بالترتيب الصحيح. تُسمّى هذه العملية kitting، وما زال البشر هم من يقوم بها في المصانع في الغالب. تؤكد Google DeepMind أن نموذجها الجديد Gemini Robotics 2.5 بات يتعامل معها على خطوط Mercedes-Benz العاملة بنسبة نجاح 96%.

ما هذا النموذج

Gemini Robotics 2.5 هو نموذج VLA (vision-language-action). ببساطة، يتلقى «دماغ» واحد صورة من الكاميرات وأمرًا نصيًا مثل «وزّع القطع على الصواني»، ويُخرج حركات لليدين والأصابع. ولا حاجة إلى برمجة كل عملية إمساك على حدة.

وفق DeepMind، اختُبر النموذج على أكثر من 200 مهمة، من وضع الطعام بالملقط إلى العمل بالماصّة. وبالمقارنة بالإصدارات السابقة للشركة نفسها ارتفع معدل النجاح بنسبة 30–100% (بحسب نوع المهمة)، وتُنجَز المهام أسرع بنسبة 20–30%. ويعمل النموذج مع روبوتات مختلفة: الروبوت البشري Apptronik Apollo 2 بيدٍ خماسية الأصابع بـ22 درجة حرية، ومنصة Franka Duo بذراعين مزوّدتين بماسكين ثنائيي الأصابع.

تجربة على خط الإنتاج والسلامة

جرت الاختبارات في كيتشكيميت (المجر) وزيندلفينغن (ألمانيا). التقط Apollo 2 القطع من الكومة ووزّعها على الصواني بالترتيب المطلوب لسيارة بعينها. وعمل نموذجان: Gemini Robotics ER راقب سير العملية كلها كمنسّق، بينما تولّى Gemini Robotics 2.5 التحكم في اليدين. وهذا نمط مألوف في أنظمة الوكلاء: طبقة تخطط وتراقب وأخرى تنفّذ.

يقول رئيس Apptronik جيف كارديناس إن النموذج تحسّن بوضوح خلال أسابيع قليلة من التدريب الإضافي وانتقل إلى إنتاج مرسيدس بأقل خسارة في الجودة. وهذه أكثر نقطة تهمّ الممارسين، فالفجوة بين المختبر وأرض المصنع تلتهم عادةً جزءًا كبيرًا من المؤشرات.

يتحكم النموذج بالروبوت في الزمن الحقيقي ويستطيع تجنّب المخاطر الفيزيائية. وبحسب قياسات DeepMind الداخلية، ارتفع تنفيذ المهام بأمان بنسبة 33% قرب العوائق و43% قرب البشر.

ونشرت الشركة بشكل منفصل على Hugging Face معيارًا مفتوحًا باسم ASIMOV-Jailbreak. وهو مئات من المطالبات التي تُموَّه فيها الطلبات الخطرة على هيئة طلبات عادية في عشرات المشاهد، ويختبر ما إذا كان يمكن إقناع الروبوت بفعل شيء ضار. وبحسب Google، يُظهر نموذجها اللغوي Gemini 4 Argon مقاومة للاختراق بنسبة 99,5%، مقابل 82% لسابقه Gemini Robotics ER 2.

واستُخدم Argon نفسه كمحرّك محاكاة. فانطلاقًا من مشهد حقيقي واحد من الكاميرا يولّد آلاف عمليات التشغيل المحاكاة ونسخة رقمية توأمًا. وبالاقتران مع العروض الحقيقية يساعد ذلك الروبوت على تعميم خبرته بسرعة أكبر على مشاهد وأشياء جديدة. وإضافة إلى ذلك، يضع Argon فرضيات عن أسباب الأخطاء اعتمادًا على التسجيلات المرئية، ويختبر الإصلاحات في المحاكاة وعلى الروبوت الحقيقي.

تحفظات وخلاصة عملية

جميع الأرقام هي قياسات Google وشركائها، ولا يوجد تحقق مستقل حتى الآن. ونسبة 96% في مهمة kitting واحدة لا تعني 96% في أي عمل. والمقارنات تجري مع إصدارات DeepMind السابقة لا مع المنافسين. ولم يُكشف ما الذي يُعدّ «نجاحًا» تحديدًا ولا عدد المحاولات. كما أن 4% من الإخفاقات على خط الإنتاج نسبة غير قليلة إذا كان توقف الخط مكلفًا. والوصول متاح حاليًا للشركاء فقط: Agile وApptronik وMercedes-Benz.

إذا كنتم تعملون في الروبوتات أو الأتمتة الصناعية، فانظروا إلى النمط لا إلى رقم واحد: ثنائية «نموذج منسّق ونموذج منفّذ»، والمحاكاة بنماذج اللغة لتوليد بيانات التدريب، وتدريب إضافي قصير لموقع بعينه. أما من يبنون الوكلاء فعليهم اعتماد ASIMOV-Jailbreak نموذجًا لكيفية اختبار نظام لا يكلّف الخطأ فيه رموزًا زائدة، بل قطعة مكسورة أو إصابة.

لمديري المنتجات والمؤسسين: الأفضل انتظار الوصول المفتوح والاختبارات المستقلة، لكن يمكن التخطيط للتجارب الآن. فالعمليات الضيقة المتكررة مثل kitting تبدو أولى المرشحات لتبنٍّ فعلي للروبوتات البشرية.