Google DeepMind анонсувала значне оновлення своєї лінійки робототехнічних ШІ-рішень. У центрі уваги — модель Gemini Robotics 2, що належить до класу VLA (Vision-Language-Action), яка кардинально розширює можливості керування роботами, охоплюючи все тіло, а не лише окремі кінцівки. Паралельно представлено вдосконалену систему ER 2, яка виступає в ролі «високорівневого мозку» для комплексної координації завдань.
Від маніпуляцій до повного контролю
Ключова відмінність нової моделі від попередниці — перехід від керування верхньою частиною корпусу до цілісного контролю над усім тілом. Gemini Robotics 2 тепер дозволяє роботам виконувати складні динамічні дії: ходьбу, присідання, нахили, а також маніпуляції в обмеженому просторі. Це критично важливий крок для інтеграції роботів у реальне, неструктуроване середовище.
У демонстраційних тестах гуманоїд Apptronik Apollo 2, який працює під керуванням нової моделі, успішно справлявся із завданнями, що потребують тонкої моторики: піднімав лійку, знімав бейсбольну рукавицю з полиці та знаходив потрібні об'єкти. Особливо вражає підтримка складних кистей із 22 ступенями свободи, що дозволяє виконувати такі делікатні операції, як зав'язування вузлів або викручування лампочки.
ER 2: Оркестрація мультироботних систем
Оновлена модель ER 2 бере на себе функції стратегічного планувальника. Вона здатна декомпозувати багатоетапні завдання, контролювати їх виконання та, за необхідності, ініціювати повторну дію. Більше того, ER 2 вміє розподіляти робочі навантаження між кількома роботами одночасно. Наприклад, в одному зі сценаріїв Apollo 2 координує дії дворукого робота для сортування інструментів під час прибирання.
Окремої уваги заслуговує локальна версія Gemini Robotics On-Device 2. Ця модель функціонує повністю автономно, без хмарних підключень, і може бути адаптована до нових типів роботів лише за кілька годин навчання на основі менш ніж 200 прикладів. Такий підхід суттєво знижує бар'єр входу для впровадження ШІ в робототехнічні стартапи.
Наразі Gemini Robotics 2 доступна в режимі приватного перегляду, тоді як ER 2 уже інтегрована в Gemini API та Google AI Studio. On-Device 2 проходить тестування в обмеженого кола довірених партнерів.
Мій погляд: Це не просто інкрементальне оновлення, а зміна парадигми. Перехід до «цілісного інтелекту» та мультиагентної оркестрації — саме ті напрямки, які визначать комерційну життєздатність робототехніки в найближчі роки. Здатність моделі адаптуватися до нових апаратних платформ із мінімальною кількістю прикладів — це ключовий фактор, який може прискорити консолідацію ринку та вивести гуманоїдну робототехніку зі стадії пілотних проєктів у реальний сектор економіки.