DeepMind udostępnia Gemini Robotics 2.5 partnerom robotycznym i AlphaGenome 2 do pracy nad DNA
U Mercedesa roboty z modelem robotycznym pakowały części samochodowe ze skutecznością 96% w testach koncepcyjnych

Najważniejsze
- Google DeepMind udostępniło Gemini Robotics 2.5 11 listopada przez partnerów, w tym Agile Robots, Apptronik i Boston Dynamics.
- Roboty korzystające z modelu pakowały części samochodowe u Mercedesa ze skutecznością 96% w testach koncepcyjnych.
- DeepMind podaje skuteczność zadań od 30% do 100% i wykonanie o 20% do 30% szybsze niż w poprzednim punkcie odniesienia.
- AlphaGenome 2 dodaje szczegółowość pojedynczych komórek i przewidywanie metylacji DNA; nie jest dopuszczony do użytku klinicznego ani diagnostycznego.
- Jeff Cardenas z Apptronik powiedział, że Apollo 2 wyraźnie się poprawił w ciągu kilku tygodni po douczaniu.
Model robotyczny trafia do partnerów
Google DeepMind udostępniło 11 listopada Gemini Robotics 2.5, model wizyjno-językowo-działaniowy, który laboratorium opisuje jako swój dotychczas najzdolniejszy w dawaniu robotom „mózgu AI”. Model jest dystrybuowany przez partnerów robotycznych firmy, wśród nich Agile Robots, Apptronik i Boston Dynamics.
DeepMind podaje, że aktualizacja dotyczy zręczności, niezawodności i bezpieczeństwa, czyli trzech obszarów decydujących o tym, czy roboty mogą opuścić kontrolowane laboratoria i trafić do nieuporządkowanych przestrzeni, gdzie pracują blisko ludzi. Laboratorium przetestowało model na ponad 200 zadaniach i zapowiada dalsze rozszerzanie testów.
W pracach koncepcyjnych u Mercedesa roboty z tym modelem pakowały części samochodowe ze skutecznością 96%. W ocenach DeepMind podaje skuteczność od 30% do 100% w zależności od zadania oraz wykonanie o 20% do 30% szybsze niż w poprzednim punkcie odniesienia.
Apollo 2 i sprzęt, na którym działa
Model działa natywnie z kilkoma typami robotów, w tym z humanoidem Apollo 2 firmy Apptronik i platformą Franka Duo z dwupalcowymi chwytakami równoległymi. Współzałożyciel i dyrektor generalny Apptronik Jeff Cardenas powiedział, że połączenie szybko się poprawiło: „widzieliśmy, jak modele wyraźnie się poprawiają w ciągu zaledwie kilku tygodni douczania i przenoszą się do produkcji Mercedesa z bardzo niewielkim spadkiem”.
DeepMind część zysku przypisuje Gemini 4 Argon, swojemu czołowemu dużemu modelowi językowemu udostępnionemu pod koniec września do rozumowania w firmach. Laboratorium podało, że ten model pozwolił zespołowi robotycznemu szybciej wejść w fizyczną AI.
Test bezpieczeństwa i próby jailbreak
W kwestii bezpieczeństwa DeepMind podało, że poprawiło sterowalność fizyczną i dodało test porównawczy do sprawdzania modelu pod kątem jailbreaków, czyli prób skłonienia systemu do działania poza zamierzonymi limitami. Firma nie opublikowała wyników tego testu poza stwierdzeniem, że model był na jego podstawie oceniany.
AlphaGenome 2 czyta pojedyncze komórki
Osobno 11 listopada DeepMind ogłosiło AlphaGenome 2, model przewidujący, jak sekwencje DNA i ich warianty wpływają na różne typy ludzkich komórek. Pierwsza wersja przewidywała już ekspresję genów, modyfikacje histonów i dostępność chromatyny; nowa dodaje metylację DNA, część epigenetyki, dziedziny wyjaśniającej, jak środowisko i doświadczenie wpływają na aktywność genów.
Postęp dotyczy rozdzielczości. Każda komórka nosi to samo DNA, ale komórka mięśnia sercowego i komórka odpornościowa wykorzystują je do wytwarzania różnych białek. AlphaGenome 2 dodaje szczegóły dotyczące konkretnych typów i stanów komórek, co według DeepMind pozwala wychwycić efekty związane z chorobami, które pomijają szersze modele na poziomie tkanek.
Sarah Teichmann, profesor medycyny komórek macierzystych na Uniwersytecie w Cambridge i współzałożycielka Human Cell Atlas, powiedziała, że mocną stroną modelu jest „to, jak dostosowuje się bezpośrednio do nowych danych o pojedynczych komórkach bez ponownego trenowania, przewidując, jak warianty DNA działają w nowo scharakteryzowanych stanach komórek”, także z bardzo małych próbek. DeepMind oparło się na danych Human Cell Atlas, konsorcjum, które zmapowało ekspresję genów w milionach komórek.
DeepMind przedstawia wyniki jako wskazówkę dla odkrywania leków, pomagając badaczom wybierać cele i ustalać kolejność eksperymentów. Firma zaznacza, że model nie jest dopuszczony do użytku klinicznego ani diagnostycznego i nie zastępuje walidacji laboratoryjnej.
Źródła
1 źródło- SiliconANGLE AIGoogle DeepMind releases new advanced robotics AI model and next-generation gene prediction model
Ten artykuł zredagował Vector, reporter AI BattleTown News, na podstawie raportów wymienionych powyżej.
Najczęstsze pytania
Jak wypadło Gemini Robotics 2.5 w testach u Mercedesa?
Google DeepMind podało skuteczność 96% przy pakowaniu części samochodowych w testach koncepcyjnych u Mercedesa. Firma podała, że model wykonuje zadania o 20% do 30% szybciej niż w poprzednim punkcie odniesienia, ze skutecznością od 30% do 100% w zależności od zadania.
Czy AlphaGenome 2 można stosować do diagnozy?
Nie. DeepMind podało, że AlphaGenome 2 ma służyć jako wskazówka w badaniach, a nie zastępować walidacji eksperymentalnej, i nie jest dopuszczony do użytku klinicznego ani diagnostycznego.
Ten artykuł ma charakter wyłącznie informacyjny. Nie jest poradą finansową, inwestycyjną ani prawną. Zastrzeżenie
BattleTown: bitwy czołgów w przeglądarce
Nowe minigry, „Szturm” i „Przełom”, już w BattleTown




Komentarze: 0 komentarzy