Gemini Robotics 2.5: Hvad viste forsøget hos Mercedes-Benz?

Google DeepMind har præsenteret Gemini Robotics 2.5 og oplyser, at modellen bliver rullet ud til virksomhedens robotpartnere. I et forsøg med Apptroniks humanoide robot Apollo 2 hos Mercedes-Benz sorterede robotten bildele til samling af biler. Det er et konkret eksempel på, hvad teknologien kan bruges til, men forsøget fortæller endnu ikke, hvordan en tilsvarende løsning vil fungere på en anden fabrik over længere tid.

AI-illustration: AI-genereret illustration for AIBI af komponentsortering. Motivet viser ikke Apollo 2 eller Mercedes-Benz-forsøget.

Apollo 2 sorterede dele i den rigtige rækkefølge

Opgaven kaldes kitting: En robot tager enkeltdele fra beholdere med mange dele og lægger dem i bakker i den rækkefølge, som en bestemt bil på produktionslinjen kræver. DeepMind beskriver, at Apollo 2 tog metalbeslag fra forsyningsbeholdere og placerede dem i beholdere til den videre samling. Forsøget foregik ifølge virksomheden på Mercedes-Benz' produktionslinjer i Kecskemét i Ungarn og Sindelfingen i Tyskland. DeepMind angiver ikke, hvornår forsøget begyndte, eller hvor længe det varede.

Det interessante ved opgaven er variationen: Robotten skal finde et beslag blandt andre dele, gribe det og lægge det korrekt, selv når placeringen ikke er helt ens fra gang til gang. DeepMind beskriver også, at robotten korrigerede for mellemrum, når den placerede delene. Den beskrevne selvstændighed gælder denne afgrænsede opgave. Den siger ikke i sig selv, at robotten kan varetage andre trin på fabrikken uden mennesker.

Modellen er ikke selve robotten

Apollo 2 er robotten fra Apptronik. Gemini Robotics 2.5 er DeepMinds såkaldte VLA-model, der forbinder synsindtryk og sproglig forståelse med handlinger. I det beskrevne forsøg brugte robotten desuden Gemini Robotics ER til at holde styr på arbejdsgangen, mens 2.5-modellen styrede armene og hænderne. Det er en nyttig forskel, hvis man vurderer teknologien: En model, der holder rede på næste trin, er ikke det samme som den model, der omsætter et trin til bevægelse, og ingen af dem er det fysiske udstyr.

Hvad betyder en succesrate på 96 procent?

DeepMind oplyser en succesrate på 96 procent for forsøget. Det er virksomhedens eget tal for den beskrevne pilot, ikke en uafhængig måling af driftssikkerhed i almindelig produktion. I den offentliggjorte beskrivelse fremgår det ikke, hvor mange forsøg tallet dækker, hvor længe målingen løb, hvordan menneskelige indgreb blev talt med, eller hvordan resultatet fordelte sig mellem de to fabrikker. Tallet kan derfor ikke uden videre bruges som forventet oppetid, sikkerhedsniveau eller besparelse ved en anden opgave.

DeepMind omtaler også forbedringer i hastighed og succes på tværs af egne evalueringer af 200 forskellige opgaver. De evalueringer handler om modellens præstation mod tidligere sammenligningsgrundlag, ikke om gennemløbstid på Mercedes-Benz' linjer. Virksomheden beskriver særskilt evalueringer af sikker styring omkring forhindringer og mennesker. Det er relevante forskningsresultater, men de dokumenterer ikke certificering eller ulykkesfri drift i et bestemt anlæg.

Adgang for partnere, ikke et åbent køb i Danmark

DeepMind siger, at Gemini Robotics 2.5 bliver rullet ud til virksomhedens robotpartnere. Meddelelsen giver ikke grundlag for at sige, at danske virksomheder kan bestille modellen, få adgang via en almindelig API eller købe Apollo 2 som en færdig løsning med denne funktion. Pris, regionale vilkår og tidsplan for bredere adgang er heller ikke oplyst i den gennemgåede meddelelse.

For en virksomhed, der overvejer et robotforsøg, er næste skridt derfor en konkret samtale med en mulig leverandør om både adgang og en afgrænset opgave. Vælg eksempelvis én type beslag og én bakkesekvens, og bed om en testplan, der angiver antal gentagelser, varighed og hvad der tæller som en fejl. Få også registreret, hvornår en medarbejder må gribe ind, hvad der sker ved ændret placering af delene, og hvordan opgaven genoptages efter en fejl. Først med sådanne oplysninger kan virksomheden vurdere stabilitet, faktisk kapacitet, sikkerhedsforanstaltninger, vedligeholdelse og integrationsomkostninger på sin egen linje.

DeepMinds demonstration gør det lettere at forestille sig en konkret anvendelse af robotmodellen. Beslutningen om et industrielt pilotprojekt kræver stadig dokumentation for den opgave og det anlæg, hvor robotten skal arbejde.