Компанія Google DeepMind офіційно представила Gemini Robotics 2 — нове сімейство ШІ-моделей, створених для робототехнічних систем. Оновлення покликане зробити роботів самостійнішими: вони краще орієнтуються у просторі, виконують складні завдання та можуть співпрацювати між собою. У лабораторії DeepMind цей напрям називають «фізичним AGI», а головну мету розробників визначають як створення універсального робота, здатного справлятися з побутовими чи виробничими завданнями. Розробники позиціонують систему як крок до машин, які можуть безпечно працювати у реальному світі.
Основою оновлення стала модель Gemini Robotics ER 2, яка відповідає за «втілене міркування». Вона аналізує відеопотік із камер робота в реальному часі, що дає змогу машинам розуміти власні дії та навколишнє середовище. Завдяки інтеграції з Gemini Live API роботи тепер можуть відстежувати виконання завдань крок за кроком і самостійно виправляти помилки. Наприклад, якщо м'яч вислизне з рук, система просто відкоригує рух, а не розпочне весь процес спочатку. Такий підхід дозволяє роботам діяти адаптивно, а не лише відтворювати заздалегідь задану послідовність команд.
Розробники зазначають, що модель визначає ключові моменти дій із точністю майже 90 відсотків. Це важливо для практичного використання: робот має розуміти, коли саме завершити дію, наприклад, зупинитися під час наливання кави в чашку. Таке розуміння є ключовим для безпечної взаємодії роботів із предметами та людьми у побуті. Для цього потрібна безперервна обробка візуальних даних і миттєва реакція на зміни.
Gemini Robotics 2 відповідає за перетворення текстових та візуальних команд у безпосередні рухи механічних кінцівок. Нова версія системи суттєво покращила точність і координацію складних гуманоїдних рук із багатьма пальцями. Це розширює можливості застосування роботів у середовищах, створених для людей, зокрема у домівках, на кухнях, у майстернях та на виробничих лініях.
Окремо в Google повідомили про результати тестових випробувань. Моделі Apollo 2 та Franka F3 Duo продемонстрували здатність спільно виконувати завдання, не заважаючи одна одній. Крім того, представлено полегшену версію Gemini Robotics On-Device 2, яка працює локально без постійного підключення до мережі. Це важливо для використання роботів у середовищах із нестабільним зв'язком або там, де конфіденційність даних є критичною.
Алгоритм здатен адаптуватися до нової конструкції робота за кілька годин тренувань або на основі 200 прикладів. Це означає, що інтеграція моделі в нові апаратні платформи може відбуватися значно швидше. Це може прискорити впровадження рішення в різні типи роботів. Систему вже тестують на обладнанні компанії Boston Dynamics, одного з провідних виробників роботів.
Розробники також приділили увагу безпеці. У систему додано спеціальні рівні захисту від галюцинацій і помилкових дій. Разом із релізом представлено бенчмарк безпеки ASIMOV-Agentic, який оцінює здатність робота відмовлятися від небезпечних команд, перевіряє безпечність виконання завдань і аналізує, чи зможе ШІ вчасно покликати на допомогу людину.
Модель ER 2, за даними Google, показує високу здатність розпізнавати небезпеку та зупиняти рух, якщо людина підходить занадто близько. Такі запобіжники критично важливі перед тим, як автономні роботи почнуть масово з'являтися у публічних просторах і помешканнях. Окремо компанія поінформувала про цінову політику нової розробки.
У ширшому контексті анонс свідчить про поступовий рух від спеціалізованих роботів до універсальних машин, здатних самостійно виконувати різноманітні завдання. Поєднання вдосконаленої моторики, аналізу зображення в реальному часі та механізмів безпеки наближає еру «фізичного AGI», коли роботи можуть безпечно працювати поруч з людьми.
