Google DeepMind 发布 Gemini Robotics 2.5 与 AlphaGenome 2
Google DeepMind releases new advanced robotics AI model and next-generation gene prediction model - SiliconANGLE
Google DeepMind 发布新一代机器人视觉-语言-动作模型 Gemini Robotics 2.5,并同期推出基因预测模型 AlphaGenome 2。Gemini Robotics 2.5 在奔驰的真实概念验证测试中以 96% 成功率完成汽车零件打包,任务成功率区间为 30% 至 100%,比上一代基线快 20% 至 30%,当天通过 Agile Robots、Apptronik 和 Boston Dynamics 等合作伙伴推出。AlphaGenome 2 新增 DNA 甲基化预测和更细的细胞类型与状态信息,可无需重新训练直接适配新的单细胞数据,但仅用于指导研究,未获准用于临床或诊断。
推荐理由
AI 评分 82
原文给出 Gemini Robotics 2.5 在奔驰实测的打包成功率与提速幅度,可据此判断机器人模型落地工业场景的进度。
主题
正文 · AI 翻译
Alphabet Inc. 的人工智能研究实验室 Google DeepMind 周二首次推出下一代 Gemini Robotics,这是该公司迄今为止最强大的视觉-语言-动作模型,用于为机器人打造“AI 大脑”。
另外,DeepMind 今天宣布推出 AlphaGenome 2,这是一款下一代 AI 模型,能够预测 DNA 序列及其变异如何影响人类细胞类型,从而打造出对抗疾病和药物开发的强大生物学工具。
DeepMind 表示,Gemini Robotics 2.5 增强了灵巧性、可靠性和安全性,帮助工程师将机器人带出实验室,进入动态、非结构化的真实世界环境,使它们能够与人类协同工作。
该公司表示,随着 Gemini 4 Argon 的发布,该研究部门得以加速机器人研究并涉足物理 AI。这款新的机器人 AI 模型在 200 多项不同任务中进行了测试,该公司表示预计将进一步扩大规模。
Argon 是该公司的前沿人工智能大语言模型,于 9 月下旬推出,为企业带来高级推理能力。DeepMind 表示,借助这款新旗舰模型背后的能力,Gemini Robotics 2.5 得以扩大机器人学习新技能并将其应用于真实场景的广度和速度。
2.5 版本在三个关键领域的优化和性能上实现了显著跃升。增强的灵巧性意味着运行 2.5 的机器人能够以更高的精度执行更多任务,包括使用日常工具处理精细、柔性的物体。凭借更高的可靠性,新模型在梅赛德斯-奔驰的真实概念验证测试中,以 96% 的成功率成功完成汽车零件打包。最后,DeepMind 通过改进物理可操控性增强了安全性,并推出了一项用于测试越狱攻击的新基准。
在评估中,Robotics 2.5 目前根据任务不同可实现 30% 至 100% 的成功率,并且与上一版本的基线相比,完成任务的速度快 20% 至 30%。
该公司表示,与之前的模型一样,它原生支持多种不同类型的机器人,包括 Apptronik Inc. 的 Apollo 2 人形机器人和配备两指平行夹爪的 Franka Duo 平台。
“这正是我们打造 Apollo 的目的:在真实的工业环境中与人们一起从事有用的工作,”Apptronik 联合创始人兼首席执行官 Jeff Cardenas 表示。“将 Apollo 2 与 Gemini Robotics 配对后,我们看到模型在短短几周的后期训练中就取得了显著提升,并且迁移到梅赛德斯-奔驰的生产中时性能下降非常小。”
Gemini Robotics 2.5 今天通过 DeepMind 的机器人合作伙伴推出,包括 Agile Robots SE、Apptronik 和 Boston Dynamics Inc.。
AlphaGenome 2,连接单细胞生物学与人类遗传学
AlphaGenome 等 AI 模型帮助药物开发和生物技术公司将遗传数据转化为可测试的线索。通过预测 DNA 变化如何影响基因活动以及这些变化在体内哪些细胞中起作用,它们可以引导研究人员找到有前景的药物靶点,并帮助确定实验的优先顺序。
今天宣布的 AlphaGenome 2 增加了关于特定细胞类型和状态的更精细细节,有可能揭示更广泛的组织层面模型所遗漏的疾病相关效应。这些预测用于指导研究,而非取代实验验证;该模型未获准用于临床或诊断用途。
研究人员面临的问题是,体内的每个细胞都携带相同的 DNA;然而,不同的基因在不同时间被激活,以分化细胞并调整其行为。例如,心肌细胞或对抗感染的免疫细胞可能拥有相同的 DNA,但它们利用这一蓝图产生不同的蛋白质、酶和其他工具来完成各自的工作。
DeepMind 利用人类细胞图谱(Human Cell Atlas)的全球努力——这是一个绘制了数百万细胞中基因表达图谱的科学联盟——为世界提供了关于不同细胞如何使用基因的前所未有的视角。然而,预测驱动激活和表达变化的路径与变异仍然是一项重大挑战。
人类细胞图谱联合创始人、剑桥大学干细胞医学教授 Sarah Teichmann 表示,AlphaGenome 2 之所以如此强大,在于“它如何直接适应新的单细胞数据而无需重新训练,预测 DNA 变异在新近分析的细胞状态中如何起作用”,并且它甚至可以从非常小的样本中进行适应。
据 DeepMind 称,新模型可以像上一代一样预测 DNA 功能的核心实验读数,包括基因表达、组蛋白修饰和染色质可及性——同时还新增了 DNA 甲基化,这是表观遗传学的重要组成部分,解释了行为、环境和生活经历如何影响基因活动。
图片:Microsoft Designer/SiliconANGLE