Google DeepMind продовжує задавати темп у сфері робототехніки, анонсуючи Gemini Robotics 2 — інноваційну VLA-модель (Vision-Language-Action), яка переводить текст і візуальні дані безпосередньо в моторні дії. Це не просто оновлення, а якісний стрибок: система тепер охоплює управління всім тілом робота, а не лише його верхньою частиною, як у попередній версії.
Від маніпуляторів до гуманоїдів: універсальність без компромісів
Модель розрахована на роботів різних форм-факторів — від компактних настільних маніпуляторів до повнорозмірних гуманоїдів. Ключова відмінність — здатність виконувати складні рухи: ходьбу, присідання, нахили та підйом предметів в обмеженому просторі. У демонстраційних тестах гуманоїд Apptronik Apollo 2 під управлінням Gemini Robotics 2 впевнено справлявся із завданнями на кшталт підбору лійки або зняття бейсбольної рукавиці з полиці, демонструючи вражаючу координацію.
Особливої уваги заслуговує покращена моторика. Модель підтримує складні кисті з 22 ступенями свободи, що відкриває можливості для тонких операцій: зав'язування вузлів, закриття пакетів або викручування лампочки. Це наближає роботів до людської спритності, що критично важливо для реальних виробничих і побутових сценаріїв.
ER 2: «високорівневий мозок» для координації
Паралельно DeepMind представила оновлену модель ER 2, яка виконує роль стратегічного планувальника. Вона розбиває багатоетапні завдання на етапи, відстежує їх виконання та розподіляє навантаження між кількома роботами. В одному з показаних сценаріїв Apollo 2 координував дії дворукого робота Google, який складав інструменти в контейнер під час прибирання гаража. Це наочний приклад злагодженої роботи «мозку» та «тіла» в мультиробототехнічних системах.
Для тих, хто цінує автономність, компанія запропонувала локальну версію Gemini Robotics On-Device 2. Вона функціонує без інтернет-підключення та адаптується до нових роботів менш ніж за 200 прикладів, навчаючись лише за кілька годин. Це робить технологію доступною для спеціалізованих промислових застосувань, де безпека даних і швидкість реакції мають першочергове значення.
Наразі Gemini Robotics 2 доступна в режимі приватного перегляду, ER 2 — через Gemini API та Google AI Studio, а On-Device 2 тестується обмеженим колом довірених партнерів. Очевидно, що DeepMind цілеспрямовано рухається до створення універсальних систем, здатних інтегруватися в реальну економіку.
Мій аналіз: Подібні розробки сигналізують про перехід від експериментальної робототехніки до практичних рішень. Однак ключовим викликом залишиться не стільки технічна потужність, скільки економічна доцільність впровадження таких систем у масове виробництво. У найближчі 2-3 роки ми, ймовірно, побачимо перші комерційні пілоти, де ці технології перевірятимуться на міцність у реальних умовах.