Компанія Google DeepMind зробила значний стрибок у розвитку робототехніки, представивши оновлену модель Gemini Robotics 2. Це рішення, засноване на архітектурі VLA (Vision-Language-Action), здатне керувати всім тілом робота, перетворюючи текстові та візуальні дані на складні моторні дії. Разом із нею було анонсовано інструмент ER 2, призначений для координації дій кількох пристроїв.

Від маніпуляторів до гуманоїдів: повний контроль над тілом

Ключова відмінність нової версії від попередніх полягає в розширенні зони контролю. Якщо раніше штучний інтелект зосереджувався переважно на керуванні верхньою частиною тіла, то Gemini Robotics 2 дозволяє роботам опановувати локомоцію та складні фізичні взаємодії. Тепер машини здатні ходити, присідати, нахилятися та тягнутися до об'єктів, що знаходяться в важкодоступних місцях.

Модель універсальна та адаптується до різних форм-факторів — від компактних настільних маніпуляторів до повнорозмірних гуманоїдів. У демонстраційних відео робот Apptronik Apollo 2 під керуванням нової системи успішно виконував побутові завдання: піднімав поливальну лейку з підлоги, знімав бейсбольну рукавицю з полиці та знаходив потрібні предмети в заповненому просторі.

Дрібна моторика та складні маніпуляції

DeepMind також зробила акцент на значному покращенні моторики. Нова модель підтримує роботу зі складними роботизованими кистями, що мають 22 ступені свободи. Це відкриває можливості для виконання завдань, що вимагають високої точності та спритності. До таких дій належать зав'язування вузлів, герметичне закривання пакетів та відкручування лампочок.

ER 2: «Високоуровневий мозок» для рійної логіки

Паралельно з оновленням моделі керування тілом компанія представила покращення для рішення ER 2. DeepMind характеризує цей інструмент як «високоуровневий мозок» для робототехніки. Система відповідає за планування багатоступеневих завдань, моніторинг їх виконання та прийняття рішень щодо повторення дій у разі невдачі.

Важливою функцією ER 2 є розподіл роботи між кількома роботами. В одному з демонстраційних сценаріїв гуманоїд Apollo 2 виступав у ролі координатора, доручаючи дворукому роботу Google складати інструменти в контейнер у процесі прибирання гаража.

Локальне навчання та доступність

Для вирішення завдань, що вимагають автономності, компанія показала локальну модель Gemini Robotics On-Device 2. Вона працює без підключення до інтернету, що критично важливо для безпеки та приватності в промислових умовах. Особливістю моделі є висока швидкість навчання: вона адаптується до нових типів роботів менш ніж за 200 прикладів, на що йде всього кілька годин.

На даний момент Gemini Robotics 2 доступна в режимі приватного перегляду. Доступ до ER 2 відкрито через Gemini API та Google AI Studio, а локальна версія On-Device 2 проходить тестування у довірених партнерів. Цю подію слід розглядати в контексті загального тренду на впровадження ШІ у фізичний світ, який раніше відзначали й інші гравці ринку, зокрема компанія Humanoid, яка у липні представила підхід до навчання роботів на реальних виробничих завданнях.