Gemini Robotics 2.5 โชว์ฟอร์มคัดแยกชิ้นส่วน Mercedes-Benz สำเร็จ 96%

ประเด็นสำคัญ

• Google Deepmind เปิดตัว Gemini Robotics 2.5 โมเดล VLA รุ่นใหม่ที่ทำงานได้ดีกว่าเกณฑ์มาตรฐานเดิม 30 ถึง 100 เปอร์เซ็นต์ ตามประเภทของงาน
• ในสายการผลิตจริงของ Mercedes-Benz ณ ประเทศฮังการีและเยอรมนี หุ่นยนต์ฮิวแมนนอยด์ Apollo 2 จาก Apptronik ประสบความสำเร็จในการคัดแยกชิ้นส่วนโลหะด้วยอัตราสูงถึง 96 เปอร์เซ็นต์
• Google Deepmind ใช้โมเดลภาษา Gemini 4 Argon เป็นเอนจินจำลองการฝึกฝน พร้อมปล่อย ASIMOV-Jailbreak ซึ่งเป็นเกณฑ์มาตรฐานแบบ open-source เพื่อทดสอบความปลอดภัยของหุ่นยนต์

Google Deepmind เผยโฉมโมเดล AI ใหม่ล่าสุดสำหรับการควบคุมหุ่นยนต์ โดยผลการทดสอบนำร่องบนสายการผลิตจริงของ Mercedes-Benz พบว่าหุ่นยนต์ฮิวแมนนอยด์สามารถทำงานได้สำเร็จแม่นยำถึง 96 เปอร์เซ็นต์

สำหรับการเปิดตัว Gemini Robotics 2.5 ในครั้งนี้ เป็นการพัฒนาโมเดลแบบ vision-language-action (VLA) ที่สามารถประมวลผลข้อมูลภาพ เข้าใจคำสั่งภาษา และแปลผลเป็นการเคลื่อนไหวของหุ่นยนต์ได้ทันที ซึ่งต่อยอดจากรุ่นก่อนหน้าที่มุ่งเน้น การควบคุมแบบทั้งตัว (full-body control) เป็นครั้งแรกเมื่อช่วงต้นปี

Google Deepmind ระบุว่าได้ทดสอบโมเดลนี้กับงานมากกว่า 200 รายการ เช่น การเสิร์ฟอาหารด้วยที่คีบและการใช้ปิเปตตวงของเหลว ผลปรากฏว่ามีอัตราความสำเร็จสูงกว่าเกณฑ์เดิมของบริษัทถึง 30-100 เปอร์เซ็นต์ และยังทำงานได้เร็วขึ้นอีกราว 20-30 เปอร์เซ็นต์ โดยโมเดลนี้ถูกออกแบบมาให้รองรับหุ่นยนต์หลายประเภท รวมถึง Apollo 2 ของ Apptronik ที่มีมือเลียนแบบมนุษย์พร้อมอิสระการเคลื่อนไหว 22 ระดับ และแพลตฟอร์ม Franka Duo

Google Deepmind ทดสอบโมเดลบนสายการผลิตจริงของ Mercedes-Benz

ในการทดสอบที่โรงงานในเมือง Kecskemét ประเทศฮังการี และเมือง Sindelfingen ประเทศเยอรมนี หุ่นยนต์ Apollo 2 ได้รับมอบหมายให้จัดการงานจัดชุดชิ้นส่วน (kitting) โดยต้องคัดแยกชิ้นส่วนโลหะจากถังรวมไปวางในถาดตามลำดับที่ใช้ประกอบรถยนต์แต่ละคัน ซึ่งเป็นการทำงานร่วมกันของ AI สองตัว ได้แก่ Gemini Robotics ER ที่คอยตรวจสอบขั้นตอนการทำงาน และ Gemini Robotics 2.5 ที่รับหน้าที่ควบคุมมือและแขนโดยเฉพาะ

วิดีโอ: Google

จากอัตราความสำเร็จ 96 เปอร์เซ็นต์ที่รายงานออกมา Jeff Cardenas ซีอีโอของ Apptronik กล่าวว่าตัวโมเดลมีการพัฒนาขึ้นอย่างก้าวกระโดดในช่วงไม่กี่สัปดาห์หลังการทำ post-training และสามารถเปลี่ยนผ่านไปสู่การทำงานจริงในโรงงาน Mercedes ได้โดยแทบไม่เสียประสิทธิภาพ

เกณฑ์มาตรฐานความปลอดภัยใหม่เพื่อป้องกัน Jailbreaks

ด้านความปลอดภัย Gemini Robotics 2.5 มาพร้อมระบบควบคุมแบบเรียลไทม์ที่ช่วยให้หุ่นยนต์หลีกเลี่ยงอันตรายในขณะปฏิบัติงาน โดยมีประสิทธิภาพความปลอดภัยดีขึ้น 33 เปอร์เซ็นต์เมื่ออยู่ใกล้สิ่งกีดขวาง และ 43 เปอร์เซ็นต์เมื่อทำงานใกล้กับมนุษย์

นอกจากนี้ Google Deepmind ยังได้ปล่อยเกณฑ์มาตรฐาน open-source ชื่อ ASIMOV-Jailbreak ไว้บน Hugging Face เพื่อทดสอบว่าโมเดลจะถูกหลอกให้ทำกิจกรรมที่เป็นอันตรายผ่านคำสั่งแฝงรูปแบบต่างๆ หรือ Social Engineering ได้หรือไม่ ซึ่งโมเดล Gemini 4 Argon รุ่นล่าสุดสามารถต้านทานการโจมตีนี้ได้สูงถึง 99.5 เปอร์เซ็นต์

โมเดลภาษา Argon สร้างข้อมูลการฝึกฝนผ่านการจำลอง

ในการพัฒนาครั้งนี้ Google Deepmind ได้นำ Gemini 4 Argon มาใช้เป็นเอนจินหลักในการสร้างสถานการณ์จำลองนับพันครั้งจากข้อมูลกล้องจริงและสร้างดิจิทัลทวิน (digital twin) เพื่อช่วยให้หุ่นยนต์เรียนรู้การรับมือกับวัตถุและสภาพแวดล้อมใหม่ๆ ได้รวดเร็วยิ่งขึ้น

นอกจากนี้ Argon ยังมีความสามารถในการวิเคราะห์วิดีโอเพื่อหาต้นเหตุของข้อผิดพลาด แล้วนำไปทดสอบปรับปรุงทั้งในโลกจำลองและหุ่นยนต์จริง ปัจจุบัน Gemini Robotics 2.5 กำลังถูกนำไปใช้งานร่วมกับพันธมิตรสำคัญอย่าง Agile, Apptronik และ Mercedes-Benz