Gemini Robotics 2 Meluncur: Perkuat Penalaran Robot Humanoid
Gemini Robotics 2 Meluncur Google DeepMind resmi memperkenalkan Gemini Robotics 2 pada 30 Juli 2026. Model tersebut di rancang sebagai lapisan kecerdasan untuk generasi robot yang lebih adaptif. Selain itu, teknologi ini memungkinkan robot memahami lingkungan sebelum menentukan tindakan yang di perlukan.
Berbeda dari sistem robot konvensional, Gemini Robotics 2 mampu mengendalikan tubuh humanoid secara menyeluruh. Robot dapat berjalan, membungkuk, meraih benda, serta menjaga keseimbangan ketika menjalankan perintah. Karena itu, kemampuan tersebut memperluas penggunaan robot dalam lingkungan yang sebelumnya sulit di tangani.
Google DeepMind mengembangkan Gemini Robotics 2 sebagai model vision-language-action atau VLA. Model tersebut menerjemahkan informasi visual dan bahasa menjadi perintah gerakan untuk robot. Dengan demikian, robot tidak sekadar menerima instruksi, tetapi juga memahami konteks fisik sebelum bergerak.
Dalam demonstrasi, robot humanoid Apollo 2 dapat menerima perintah mengambil penyiram tanaman. Kemudian, robot berjalan menuju meja dan mengambil benda tersebut. Setelah itu, robot membawa benda menuju rak dan menempatkannya pada lokasi yang d tentukan.
Gemini Robotics 2 Meluncur selain kendali tubuh, model ini juga mendukung berbagai jenis robot. Bahkan, kemampuan yang sama dapat di terapkan pada robot berlengan dua. Oleh sebab itu, pengembangan Gemini Robotics 2 tidak hanya di arahkan untuk humanoid.
Penalaran Fisik Dan Ketangkasan Robot Gemini Robotics 2 Semakin Maju
Penalaran Fisik Dan Ketangkasan Robot Gemini Robotics 2 Semakin Maju kemampuan penalaran menjadi bagian penting dalam pengembangan Gemini Robotics 2. Google memperkenalkan Gemini Robotics ER 2 sebagai model embodied reasoning. Model tersebut berfungsi sebagai otak tingkat tinggi untuk memahami dunia fisik dan menyusun rencana bertahap.
Selanjutnya, Gemini Robotics ER 2 dapat memproses instruksi manusia dan memahami kondisi ruangan. Model tersebut kemudian menentukan urutan tindakan yang di perlukan robot. Bahkan, robot dapat memantau kemajuan tugas dan melakukan koreksi ketika terjadi kegagalan.
Kemampuan ini penting karena pekerjaan dunia nyata biasanya memiliki banyak tahapan. Misalnya, robot harus menemukan benda, menentukan posisi, mengambilnya, lalu memindahkannya. Oleh karena itu, penalaran jangka panjang menjadi faktor penting bagi robot serbaguna.
Selain itu, Gemini Robotics 2 membawa peningkatan pada kemampuan manipulasi. Robot dapat menggunakan tangan dengan banyak jari untuk melakukan pekerjaan yang membutuhkan ketelitian. Contohnya, robot dapat mengikat simpul dan menutup kantong dengan mekanisme ziplock.
Dalam pengujian, kemampuan manipulasi menggunakan beberapa jenis tangan robot menunjukkan hasil yang berbeda. Manipulasi dengan banyak jari masih menjadi tantangan di bandingkan penggunaan gripper sederhana. Namun demikian, pengembangan tersebut menunjukkan peningkatan penting dalam ketangkasan robot.
Kemudian, sistem juga mampu bekerja dengan berbagai bentuk tubuh robot. Adaptasi tersebut membuat teknologi lebih fleksibel untuk penelitian maupun pengembangan industri.
Kolaborasi Multi-Robot Dan Pemrosesan Lokal
Kolaborasi Multi-Robot Dan Pemrosesan Lokal Google DeepMind juga memperkenalkan kemampuan kolaborasi antarrobo dalam Gemini Robotics 2. Teknologi tersebut memungkinkan beberapa robot berkomunikasi untuk menyelesaikan pekerjaan bersama. Dengan demikian, tugas kompleks tidak harus di tangani oleh satu mesin saja.
Misalnya, satu robot dapat menangani pengambilan benda. Sementara itu, robot lain dapat memindahkan atau menata benda tersebut. Kemudian, sistem dapat membagi pekerjaan berdasarkan kemampuan masing-masing robot.
Selain kolaborasi, Google menghadirkan Gemini Robotics On-Device 2. Model tersebut di rancang agar dapat berjalan langsung pada perangkat robot. Karena itu, sistem dapat mengurangi ketergantungan terhadap koneksi jaringan saat menjalankan tugas.
Menariknya, model lokal tersebut dapat beradaptasi dengan bentuk robot baru menggunakan beberapa jam data. Google menyebut adaptasi tersebut biasanya membutuhkan kurang dari 200 contoh. Dengan demikian, penerapan model pada platform robot berbeda dapat di lakukan secara lebih praktis.
Di sisi keamanan, Google DeepMind juga memperkenalkan pendekatan ASIMOV-Agentic. Sistem tersebut di rancang untuk menguji kemampuan robot menghadapi ketidakpastian dan instruksi yang berisiko. Selain itu, robot dapat meminta bantuan manusia ketika tidak yakin terhadap tindakan tertentu.
Oleh karena itu, Gemini Robotics 2 menunjukkan arah baru pengembangan kecerdasan buatan fisik. Teknologi ini menggabungkan pemahaman visual, penalaran, perencanaan, serta kendali gerakan. Meski begitu, penerapan robot serbaguna tetap membutuhkan pengujian keselamatan dan pengembangan lebih lanjut Gemini Robotics 2 Meluncur.
