Google DeepMind ने Gemini Robotics On-Device के लॉन्च के साथ भौतिक रोबोट्स में उन्नत AI क्षमताएं लाने की दिशा में एक बड़ा कदम उठाया है। यह मॉडल पूरी तरह से स्थानीय रोबोटिक हार्डवेयर पर चलने के लिए डिज़ाइन किया गया है।
यह नया सिस्टम, जिसकी घोषणा जून 2025 के अंत में की गई, मार्च में पेश किए गए Gemini Robotics प्लेटफॉर्म पर आधारित है, जिसने पहली बार Gemini 2.0 की मल्टीमॉडल रीजनिंग को भौतिक दुनिया में लाया था। इस नवीनतम रिलीज़ को खास बनाता है इसका क्लाउड कनेक्टिविटी से स्वतंत्र होकर भी शानदार प्रदर्शन करना।
Google DeepMind की आधिकारिक घोषणा के अनुसार, "Gemini Robotics On-Device मजबूत सामान्य-उद्देश्यीय दक्षता और कार्य सामान्यीकरण दिखाता है, और इसे रोबोट पर ही कुशलतापूर्वक चलाने के लिए अनुकूलित किया गया है।" नेटवर्क कनेक्टिविटी से स्वतंत्रता इसे उन अनुप्रयोगों के लिए विशेष रूप से मूल्यवान बनाती है जहाँ लेटेंसी संवेदनशीलता होती है या कनेक्टिविटी अस्थिर या शून्य होती है।
बेंचमार्क परीक्षणों में, Google का दावा है कि ऑन-डिवाइस मॉडल अपने क्लाउड-आधारित समकक्ष के करीब प्रदर्शन करता है और अन्य ऑन-डिवाइस विकल्पों से बेहतर है, खासकर चुनौतीपूर्ण आउट-ऑफ-डिस्ट्रिब्यूशन कार्यों और जटिल बहु-चरणीय निर्देशों पर।
यह मॉडल उल्लेखनीय अनुकूलनशीलता दिखाता है, जिसे नए कार्यों को सीखने के लिए केवल 50-100 डेमोंस्ट्रेशन की आवश्यकता होती है। प्रारंभ में ALOHA रोबोट्स के लिए प्रशिक्षित किए गए इस मॉडल को Google ने सफलतापूर्वक द्वि-भुज Franka FR3 रोबोट्स और Apptronik के Apollo ह्यूमनॉइड रोबोट के साथ भी अनुकूलित किया है, जिससे इसकी बहुपरतीयता विभिन्न रोबोटिक प्लेटफार्मों पर सिद्ध होती है।
मॉडल के साथ-साथ, Google एक Gemini Robotics SDK भी जारी कर रहा है, जिससे डेवलपर्स इस तकनीक का मूल्यांकन और अपने विशिष्ट अनुप्रयोगों के लिए अनुकूलन कर सकते हैं। SDK, Google के MuJoCo फिजिक्स सिम्युलेटर में परीक्षण की सुविधा देता है और नए डोमेन्स में तेजी से अनुकूलन के लिए उपकरण प्रदान करता है।
यह विकास व्यावहारिक रोबोटिक्स में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है, क्योंकि अब उन्नत AI सीधे रोबोटिक डिवाइसेज़ तक पहुँच रहा है। जबकि उपभोक्ता अनुप्रयोगों के आने में अभी कुछ वर्ष लग सकते हैं, Google DeepMind में रोबोटिक्स प्रमुख कैरोलिना पाराडा व्यापक संभावनाएं देखती हैं: "वे उन उद्योगों में अधिक उपयोगी हो सकते हैं जहाँ सेटअप जटिल हैं, सटीकता महत्वपूर्ण है और स्थान मानव-अनुकूल नहीं हैं। और वे मानव-केंद्रित स्थानों, जैसे घर में भी सहायक हो सकते हैं।"