Десятилетиями мы мечтали о роботах, которые органично впишутся в наш мир и придут на помощь. Теперь эта картина делает большой шаг вперёд.
Большинство роботов запрограммированы или телепатически управляются для узких повторяющихся задач. Им не хватает способности по-настоящему учиться и адаптироваться к непредсказуемым средам, а перенос навыков с одного тела робота на другое остаётся очень сложным. Чтобы решать самые трудные задачи в масштабе, роботам любых форм и размеров нужны ИИ-модели, дающие способность думать, действовать и взаимодействовать.
Google DeepMind представляет Gemini Robotics 2 — слой интеллекта для следующего поколения по-настоящему адаптивных роботов. Он разблокирует целостное управление телом, продвинутую ловкость и совместную работу нескольких роботов. Модель может работать локально на устройстве и адаптироваться к новым телам роботов за несколько часов.
Три модели:
- Gemini Robotics 2 — самая продвинутая vision-language-action модель (VLA), переводящая зрение и язык в моторный контроль. Управляет целыми гуманоидами от стоп до кончиков пальцев и двуруких роботами, даёт новый уровень ловкой манипуляции обеими руками и захватами.
- Gemini Robotics ER 2 — самая способная модель embodied reasoning (ER). Это vision-language модель, выступающая агентом: общается с людьми, понимает физический мир, планирует многошаговые задачи на несколько минут. Впервые — совместная работа роботов как команды.
- Gemini Robotics On-Device 2 — самая эффективная VLA, оптимизированная для локального запуска на робототехнических устройствах, адаптируется к новым двуручным телам за несколько часов (менее 200 примеров).
Целостное управление: модель переводит намерение в управление всем телом гуманоида — ходить, приседать, тянуться, манипулировать объектами, чтобы убрать беспорядок в комнате, и даже работать в команде с другими роботами.
Ловкость: модель управляет пятипалой 22-DoF кистью SharpaWave на гуманоиде Apollo 2 (завязывание узлов, застёгивание пакета) и стандартными двухпальцевыми захватами на Franka Duo.
Агентное рассуждение: модель ER 2 служит «верхним мозгом» робота, наблюдает за комнатой, рассуждает о шагах, координирует VLA, отслеживает прогресс, самокорректируется. Теперь надёжнее выполняет длинные последовательности задач на несколько минут и сотни решений, понимает начало и конец задачи, умеет работать командой.
Безопасность: многоуровневый подход, новые бенчмарки ASIMOV-Agentic для агентной безопасности, улучшенное распознавание людей рядом и безопасная остановка.
По словам Google, Gemini Robotics 2 — важная веха на пути к AGI в физическом мире.
Источник: Google DeepMind
