ఈ వారం ప్రారంభంలో, Google DeepMind జెమినీ రోబోటిక్స్-ER-1.6ను విడుదల చేసింది, రోబోట్లు తమ పరిసరాలను అర్థం చేసుకోవడంలో సహాయపడటానికి కొత్త దృష్టి మరియు భాషా నమూనా. తన సామర్థ్యాలను ప్రదర్శించడానికి, బోస్టన్ డైనమిక్స్-తన మానవరూప రోబోట్లలో జెమినిని ఉపయోగించాలనే ఒప్పందం కలిగి ఉంది-పారిశ్రామిక సదుపాయాన్ని తనిఖీ చేస్తున్నప్పుడు థర్మామీటర్ను చదవడానికి మోడల్ను ఉపయోగించి దాని రోబోట్ కుక్కల వీడియోను ప్రచురించింది.
కంటి-ఆకర్షించే డెమోలు ఉన్నప్పటికీ, Google యొక్క కొత్త రోబోటిక్స్ మోడల్ను దాని పరంగా మునుపటి మోడల్లో పొందినప్పుడు మాత్రమే చెప్పలేదు. ఇది Google యొక్క బెంచ్మార్క్ల ప్రకారం, ఒకే కెమెరా ఫీడ్ని ఉపయోగించి ఒక పనిని పూర్తి చేసింది. కానీ బహుళ కెమెరా ఫీడ్లను తీసుకున్నప్పుడు, మోడల్ అభివృద్ధిని చూపింది. ఇది చాలా ముఖ్యమైనది, ఎందుకంటే నేడు అనేక రోబోటిక్స్ సెటప్లు, ఫ్యాక్టరీలు లేదా గిడ్డంగులు వంటివి, ఓవర్హెడ్ కెమెరా మరియు రోబోట్ చేతిలో అమర్చబడిన కెమెరా వంటి బహుళ కెమెరా వీక్షణలను ఉపయోగిస్తాయి. రోబోట్ తప్పనిసరిగా ఆ కెమెరాలన్నింటినీ ఉపయోగించగలగాలి, అది ఏమి చేస్తుందనే దాని గురించి పొందికైన అవగాహనను ఏర్పరుస్తుంది మరియు పని ఎప్పుడు పూర్తయిందో తెలుసుకోవాలి.
