Google DeepMind представила Gemini Robotics 2.5 — обновлённую ИИ-модель, которая, по заявлению разработчиков, позволяет роботам выполнять сложные физические задачи «почти так же точно, как люди». Платформа уже проходит испытания на реальном производстве: в партнёрстве с Apptronik и Mercedes-Benz гуманоидные роботы Apollo 2 занимались комплектацией автомобильных запчастей на европейских заводах в Германии и Венгрии, где система достигла показателя успешности в 96 процентов. По данным лабораторных тестов, результативность действий выросла с 30 до 100 процентов по сравнению с предыдущей версией, а скорость выполнения задач увеличилась на 20–30 процента.

Архитектура в два вычислительных уровня

Платформа DeepMind построена по двухуровневой схеме. Верхний слой — модель Gemini Embodied Reasoning — отвечает за визуальное восприятие среды и планирование действий. Нижний слой, Gemini Robotics класса VLA (vision-language-action), преобразует эти планы в непосредственные физические движения механизмов. Именно такое разделение, по замыслу инженеров, позволяет системе одновременно «понимать» задачу и точно её выполнять, что критично для операций, требующих ловкости рук.

От химической пипетки до банта на ленте

В ходе тестирования модель прошла более 200 различных процессов, включая подачу пищи кулинарными щипцами и работу с химической пипеткой — задачи, где важна мелкая моторика и контроль силы. Отдельного внимания заслуживает демонстрация на гуманоидном роботе Apollo 2 от Apptronik, оснащённом пятипалыми кистями: машина самостоятельно завязала ленту в бант, что стало наглядным примером освоения сложной многошаговой манипуляции.

Погоня за последними четырьмя процентами

Несмотря на впечатляющие цифры, для промышленных гигантов показателя в 96 процентов пока недостаточно: человек на монотонных операциях практически не допускает ошибок, и для полной замены рабочих требуется мастерство более высокого уровня. Представители DeepMind прямо признают, что преодоление последних четырёх процентов дефектов станет самой тяжёлой частью пути. Авторы проекта описывают и стратегический выбор: можно создать идеальное решение под одну узкую задачу или двигаться к универсальности, где добиться безошибочности на уровне 99,9 процента во всех сценариях крайне сложно.

Симуляция как топливо для обучения

Существенный толчок развитию платформы дала модель Gemini 4 Argon. Поскольку физических данных для обучения роботов в открытом доступе мало, Argon помогла создать симуляционный двигатель: она сгенерировала тысячи вариаций тренировочных прогонов на основе реальных видеозаписей, сформировав «цифровые копии» среды и ускорив адаптацию системы к новым задачам без необходимости собирать каждый сценарий вживую.

Безопасность и открытые тесты на устойчивость

Отдельный блок работ посвящён безопасности людей, работающих рядом с механизмами. Благодаря алгоритмам анализа помех в реальном времени робот останавливается или переходит в ожидание, если на его пути появляется преграда. Кроме того, DeepMind открыла на платформе Hugging Face стандарт безопасности ASIMOV-Jailbreak, содержащий 1500 «ловушек», призванных заставить робота выполнить опасное действие, — это позволяет разработчикам по всему миру тестировать устойчивость собственных физических моделей. Сама Gemini Robotics 2.5 работает через облачные серверы и предоставляется партнёрским робототехническим компаниям, среди которых Boston Dynamics, Agile Robots и Apptronik.