Gemini Robotics: AI naar de Fysieke Wereld Brengen

Gemini Robotics: Bringing AI into the Physical World

March 25, 2025

Auteurs: Gemini Robotics Team, Saminda Abeyruwan, Joshua Ainslie, Jean-Baptiste Alayrac, Montserrat Gonzalez Arenas, Travis Armstrong, Ashwin Balakrishna, Robert Baruch, Maria Bauza, Michiel Blokzijl, Steven Bohez, Konstantinos Bousmalis, Anthony Brohan, Thomas Buschmann, Arunkumar Byravan, Serkan Cabi, Ken Caluwaerts, Federico Casarini, Oscar Chang, Jose Enrique Chen, Xi Chen, Hao-Tien Lewis Chiang, Krzysztof Choromanski, David D'Ambrosio, Sudeep Dasari, Todor Davchev, Coline Devin, Norman Di Palo, Tianli Ding, Adil Dostmohamed, Danny Driess, Yilun Du, Debidatta Dwibedi, Michael Elabd, Claudio Fantacci, Cody Fong, Erik Frey, Chuyuan Fu, Marissa Giustina, Keerthana Gopalakrishnan, Laura Graesser, Leonard Hasenclever, Nicolas Heess, Brandon Hernaez, Alexander Herzog, R. Alex Hofer, Jan Humplik, Atil Iscen, Mithun George Jacob, Deepali Jain, Ryan Julian, Dmitry Kalashnikov, M. Emre Karagozler, Stefani Karp, Chase Kew, Jerad Kirkland, Sean Kirmani, Yuheng Kuang, Thomas Lampe, Antoine Laurens, Isabel Leal, Alex X. Lee, Tsang-Wei Edward Lee, Jacky Liang, Yixin Lin, Sharath Maddineni, Anirudha Majumdar, Assaf Hurwitz Michaely, Robert Moreno, Michael Neunert, Francesco Nori, Carolina Parada, Emilio Parisotto, Peter Pastor, Acorn Pooley, Kanishka Rao, Krista Reymann, Dorsa Sadigh, Stefano Saliceti, Pannag Sanketi, Pierre Sermanet, Dhruv Shah, Mohit Sharma, Kathryn Shea, Charles Shu, Vikas Sindhwani, Sumeet Singh, Radu Soricut, Jost Tobias Springenberg, Rachel Sterneck, Razvan Surdulescu, Jie Tan, Jonathan Tompson, Vincent Vanhoucke, Jake Varley, Grace Vesom, Giulia Vezzani, Oriol Vinyals, Ayzaan Wahid, Stefan Welker, Paul Wohlhart, Fei Xia, Ted Xiao, Annie Xie, Jinyu Xie, Peng Xu, Sichun Xu, Ying Xu, Zhuo Xu, Yuxiang Yang, Rui Yao, Sergey Yaroshenko, Wenhao Yu, Wentao Yuan, Jingwei Zhang, Tingnan Zhang, Allan Zhou, Yuxiang Zhou

cs.AI

Samenvatting

Recente vooruitgang in grote multimodale modellen heeft geleid tot de opkomst van opmerkelijke generalistische capaciteiten in digitale domeinen, maar de vertaling daarvan naar fysieke agenten zoals robots blijft een aanzienlijke uitdaging. Dit rapport introduceert een nieuwe familie van AI-modellen die speciaal zijn ontworpen voor robotica en gebouwd zijn op de basis van Gemini 2.0. We presenteren Gemini Robotics, een geavanceerd Vision-Language-Action (VLA) generalistisch model dat robots direct kan aansturen. Gemini Robotics voert vloeiende en reactieve bewegingen uit om een breed scala aan complexe manipulatietaken aan te pakken, terwijl het ook robuust is tegen variaties in objecttypen en posities, ongeziene omgevingen kan verwerken en diverse, open vocabulaire instructies kan volgen. We laten zien dat Gemini Robotics met aanvullende fine-tuning gespecialiseerd kan worden voor nieuwe capaciteiten, waaronder het oplossen van langetermijn, zeer behendige taken, het leren van nieuwe kortetermijntaken vanaf slechts 100 demonstraties en het aanpassen aan volledig nieuwe robotconfiguraties. Dit wordt mogelijk gemaakt doordat Gemini Robotics voortbouwt op het Gemini Robotics-ER model, het tweede model dat we in dit werk introduceren. Gemini Robotics-ER (Embodied Reasoning) breidt de multimodale redeneercapaciteiten van Gemini uit naar de fysieke wereld, met een verbeterd ruimtelijk en temporeel begrip. Dit maakt capaciteiten mogelijk die relevant zijn voor robotica, waaronder objectdetectie, aanwijzen, traject- en grijppredicties, evenals multi-view correspondentie en 3D begrenzingsvlakpredicties. We laten zien hoe deze nieuwe combinatie een verscheidenheid aan robotica-toepassingen kan ondersteunen. We bespreken en behandelen ook belangrijke veiligheidsoverwegingen die verband houden met deze nieuwe klasse van robotica-fundamentmodellen. De Gemini Robotics-familie markeert een aanzienlijke stap in de richting van de ontwikkeling van algemeen inzetbare robots die het potentieel van AI in de fysieke wereld realiseren.

English

Recent advancements in large multimodal models have led to the emergence of remarkable generalist capabilities in digital domains, yet their translation to physical agents such as robots remains a significant challenge. This report introduces a new family of AI models purposefully designed for robotics and built upon the foundation of Gemini 2.0. We present Gemini Robotics, an advanced Vision-Language-Action (VLA) generalist model capable of directly controlling robots. Gemini Robotics executes smooth and reactive movements to tackle a wide range of complex manipulation tasks while also being robust to variations in object types and positions, handling unseen environments as well as following diverse, open vocabulary instructions. We show that with additional fine-tuning, Gemini Robotics can be specialized to new capabilities including solving long-horizon, highly dexterous tasks, learning new short-horizon tasks from as few as 100 demonstrations and adapting to completely novel robot embodiments. This is made possible because Gemini Robotics builds on top of the Gemini Robotics-ER model, the second model we introduce in this work. Gemini Robotics-ER (Embodied Reasoning) extends Gemini's multimodal reasoning capabilities into the physical world, with enhanced spatial and temporal understanding. This enables capabilities relevant to robotics including object detection, pointing, trajectory and grasp prediction, as well as multi-view correspondence and 3D bounding box predictions. We show how this novel combination can support a variety of robotics applications. We also discuss and address important safety considerations related to this new class of robotics foundation models. The Gemini Robotics family marks a substantial step towards developing general-purpose robots that realizes AI's potential in the physical world.