Google DeepMind, Mercedes Fabrikalarında Gemini Robotics 2.5'i Deniyor
14 Kasım 2026 · 2 dk okuma
Google DeepMind, Mercedes-Benz'in Almanya'daki Sindelfingen ve Macaristan'daki Kecskemét fabrikalarında Apollo 2 insansı robotları üzerinde Gemini Robotics 2.5 sistemini test etti. Üreticinin rapor ettiği testlere göre, otomotiv bileşenlerinin düzenlenmesi işlemlerinde yüzde 96 oranında başarı elde edildi.
Söz konusu deneme, makinelerin hareketlerini kontrol etme yeteneğinin yanı sıra görüntüleri ve talimatları anlama kapasitesine sahip yeni bir yapay zeka neselini kapsıyor. Aktif üretim hatlarında gerçekleştirilen bu pilot proje kapsamında robotlar, karışık parçaların bulunduğu konteynerlerden metal braketleri alıp araç montajı için gereken sırayla düzenli kasalara yerleştirme işini, yani kitleme işlemini gerçekleştirdi. Bu görev, nesnelerin şekli, konumu ve yönelimi nedeniyle sabit programlı sistemlerin kullanımını zorlaştıran, tekrarlayıcı ancak değişken bir yapıya sahip.
Sistem, durumu yorumlayıp işi planlayan bölüm ile planı hareketlere dönüştüren bölüm olarak ikiye ayrılıyor. Gemini Robotics Embodied Reasoning görsel bilgileri ve talimatları kullanarak işlemi takip ederken, Gemini Robotics 2.5 görme-dil-eylem modeli, bileşenin gerçek konumuna göre tutuşu ayarlayarak Apollo 2'nin ellerini ve kollarını kontrol ediyor. Bu platform sadece Apollo 2 ile sınırlı olmayıp, iki parmaklı kıskaçlara sahip Franka Duo platformuna da uyarlanabiliyor.
Sektördeki diğer uygulamalar incelendiğinde, BMW'nin gövde bileşenleri üzerinde uzun süreli kullanım ölçümleri yaptığı, Renault'nun ağır lastikler için Calvin'e güvendiği ve Hyundai'nin endüstriyel lojistiğe kademeli olarak dahil etmek için Atlas'ı eğittiği görülüyor. Günümüzdeki başarılı uygulamaların ortak özelliği, fiziksel olarak zorlayıcı veya değişken bileşenler içeren tekrarlayıcı faaliyetler olmasıdır.
Ancak bu sonuçlar henüz geniş ölçekli üretim için yeterli görülmüyor. Google, toplam deneme sayısını, saatlik üretkenliği veya uygulama maliyetlerini açıklamadı. DeepMind'dan Kanishka Rao, kalan farkı azaltmanın zor olacağını kabul etti. Endüstriyel üretimde, laboratuvar ortamındaki gösterişli hareketlerden ziyade, farklı bileşenler ve çevresel koşullar altında tüm vardiyalar boyunca tutarlılığın sağlanması kritik önem taşıyor. Ayrıca Google tarafından paylaşılan yüzdeler, Mercedes sürecinde henüz bağımsız bir doğrulama almamış tedarikçi verileridir.