Jul, 134 min di lettura
Frontend
News · Google DeepMind divide la sua spinta sulla robotica in un modello full-stack e un modello di ragionamento programmabile
Mar, 124 min di lettura
FrontendGoogle DeepMind divide la sua spinta sulla robotica in un modello full-stack e un modello di ragionamento programmabile
Gemini Robotics e Gemini Robotics-ER offrono due approcci diversi allo sviluppatore: uno a circuito chiuso, l'altro apribile al tuo codice.
Due modelli, due interfacce diverse per chi costruisce
Google DeepMind ha annunciato due modelli basati su Gemini 2.0. Il primo, Gemini Robotics, viene descritto come il suo modello vision-language-action più avanzato, pensato per permettere ai robot di svolgere una gamma più ampia di compiti nel mondo reale. Il secondo, Gemini Robotics-ER, si posiziona diversamente: permette a chi lavora in robotica di eseguire i propri programmi usando il ragionamento incarnato di Gemini.
Questa distinzione è l'elemento più concreto dell'annuncio. Un modello è l'intero ciclo — percezione, linguaggio e azione riunite insieme. L'altro espone il ragionamento come componente attorno al quale costruire. Google non sta lanciando un unico cervello robotico, ma due punti di accesso con quantità diverse di controllo affidate allo sviluppatore.
Vision-language-action come interfaccia unica
Il fatto che Gemini Robotics sia definito un modello vision-language-action è rilevante per come un robot riceve le istruzioni. Riunisce in un unico sistema la vista, la comprensione di una richiesta e la produzione del movimento. Per chi costruisce, questo comprime in un'unica chiamata quelle che prima erano fasi separate — una pipeline di percezione, un pianificatore, un controllore.
Il compromesso è la leggibilità. Quando il modello gestisce l'intero percorso, dall'immagine e dall'istruzione all'azione, i punti in cui normalmente ispezioneresti o interverresti restano interni al modello. L'annuncio non fornisce dettagli su quanto di questo comportamento interno sia osservabile, ed è esattamente la domanda a cui un team che lo integra avrebbe bisogno di una risposta.
Gemini Robotics-ER e l'argomento a favore del tuo circuito di controllo
Gemini Robotics-ER è la versione che rispetta l'ingegneria già esistente. Chi lavora in robotica mantiene i propri programmi e richiama il ragionamento incarnato come servizio al loro interno. È il frontend che si adatta ai team che hanno già controllori, livelli di sicurezza e abstraction hardware che non intendono buttare via.
Questa separazione riconosce qualcosa di reale nel lavoro sulla robotica: il codice di controllo dell'ultimo tratto è specifico, testato e spesso critico per la sicurezza. Offrire un modello di ragionamento che si integra con esso, invece di sostituirlo, è più coerente con il modo in cui i robot vengono realmente messi in produzione rispetto a un singolo modello di azione monolitico.
Lo status di trusted-tester è il vincolo attuale
Entrambi i modelli sono in fase di test con partner e trusted tester. Non c'è accesso pubblico, non ci sono prezzi né compatibilità hardware dichiarate nell'annuncio. Qualsiasi piano un team costruisca oggi attorno a questi modelli resta provvisorio finché quell'accesso non si amplierà.
L'implicazione concreta è questa: la decisione rilevante che Google ha messo in evidenza non è quale modello sia più capace, ma quale approccio vuoi adottare — un modello di azione end-to-end o un livello di ragionamento dentro il tuo codice. Per chi costruisce sopra questa base, Gemini Robotics-ER è quello che lascia intatto il tuo circuito di controllo, ed è la scelta da tenere d'occhio quando l'accesso si aprirà.
Find this story relevant to you?
Contact us to find a unique solution
Cerchi un partner di ingegneria AI capace di costruire davvero?
Aiutiamo le aziende a integrare l AI nei prodotti, automatizzare i flussi di lavoro ad alto valore e modernizzare i sistemi software che sostengono la crescita.
Letture correlate
Altre analisi su delivery di prodotto, IA operativa e il lavoro sui sistemi che fa reggere il deployment alla prova dei fatti.