(Immagine: Google DeepMind)
Robot umanoidi che grazie all’intelligenza artificiale muovono tutto il corpo, in autonomia, che “ragionano” sui gesti da compiere, che controllano e usano le mani con destrezza. Robot che possono anche collaborare tra loro per portare a termine dei compiti. L’ultima grande evoluzione nel campo della physical AI è merito di Google e dei suoi nuovi Large Language Model, la serie Gemini Robotics 2. I ricercatori di Google DeepMind si sono focalizzati su diversi aspetti che portano miglioramenti sostanziali su sistemi utilizzabili in molti contesti, dalle fabbriche ai magazzini, dalle infrastrutture critiche a, purtroppo, contesti di guerra, dall’hospitality alle strutture sanitarie e alle abitazioni dove trovano spazio i robot companion.
I modelli Gemini Robotics 2 possono alimentare il “cervello” di diversi tipi di robot. In tutti i casi, liberano il sistema dalla rigidità e dalle limitazioni attuali: anziché poter eseguire un solo tipo di attività, il robot può “ragionare” in tempo reale su ogni movimento a compiere, in un modo che richiama l’utilizzo dei muscoli volontari (che ricevono ordini diretti dal cervello). “Per la prima volta, il nostro modello di AI può controllare l'intero umanoide dalla testa ai piedi per ragionare sui movimenti mentre cammina, si accovaccia e piega tutto il corpo”, ha spiegato l’azienda.
Inoltre grazie ai nuovi modelli AI i robot possono gradualmente imparare a controllare mani complesse, a cinque dita, con 22 gradi di libertà: possono, quindi, svolgere compiti precisi come legare un sacco della spazzatura, chiudere una busta di plastica, svitare una lampadina. Interessante è anche un’altra novità, la collaborazione multi-robot, che permette a sistemi differenti (per esempio un umanoide e un robot a due braccia, per risolvere compiti complessi meglio di quanto potrebbe fare un singolo robot da solo.
Tre nuovi modelli per vedere, sentire e agire
Tre i modelli inclusi nella nuova versione della piattaforma software. Gemini Robotics 2 è il modello Vision-Language-Action (VLA) che converte visione e linguaggio in azione, cioè che traduce le immagini e i comandi testuali in comandi motori per il robot. Gemini Robotics ER 2 è, invece, il modello di embodied reasoning (ragionamento incarnato), un processo cognitio che permette a un sistema di ancorare l'intelligenza digitale, il linguaggio e la pianificazione al mondo fisico, al feedback sensoriale in tempo reale e alla fisica dell’ambiente circostante. In pratica, è l’intelligenza evoluta, il "cervello di alto livello" del robot, che gli consente di pianificare attività e di dialogare con gli esseri umani.
La variante leggera è Gemini Robotics On-Device 2, modello ottimizzato per funzionare “in locale”, anche senza collegarsi Internet e dunque senza problemi di latenza. Ha la capacità di adattarsi rapidamente al nuovo robot su cui viene installato, alla sua configurazione di forma, hardware e sensori: bastano poche ore di addestramento.Gemini Robotics ER 2 sarà disponibile su AI Studio, mentre i modelli VLA e On-Device sono ora disponibili, con accesso anticipato, solo per i partner di Google.
(Immagine: Google DeepMind)
L’impegno per una physical AI più sicura
Il tema della sicurezza dell’intelligenza artificiale è di sicuro di grande attualità ed è soggetto a continue evoluzioni, basti pensare alle recenti notizie sugli hackeraggi compiuti dai modelli di Antrhopic e OpenAI. Nel campo della physical AI i rischi sono chiaramente più ampi e anche preoccupanti, considerando gli ambiti anche critici (sanità, fabbriche, guerre) in cui i robot vengono utilizzati. Ci sono però anche motivazioni economiche dietro al nuovo veto della Casa Bianca sull’importazione di robot evoluti da Paesi esteri (nel mirino c’è ovviamente la Cina).
Google sta facendo la propria parte per gestire al meglio i potenziali rischi. L’azienda ha definito Gemini Robotics ER 2 come il suo modello di robotica più sicuro, grazie a una combinazione di misure di sicurezza fisica e di framework per l'intelligenza artificiale. Da Mountain View arriva ora anche un nuovo benchmark per la physical AI, chiamato Asimov-Agentic.
Il benchmark valuta la capacità dell’AI agentica di controllare i robot in modo sicuro, attraverso quattro modalità: può rifiutare di far svolgere attività che violano vincoli operativi; può bloccare il sistema in situazioni critiche, come guasti hardware o distanza ravvicinata di esseri umani in situazioni pericolose; può proteggere il modello Vision-Language-Action da attività irrealizzabili o su cui il robot è incerto e non è stato addestrato; può richiedere l’intervento umano in caso di istruzioni ambigue o di incertezze legate al contesto.