Google выпустила Gemini Robotics 2 для управления целым телом робота
Google DeepMind объявила о выпуске Gemini Robotics 2, нового поколения моделей-«интеллекта» для роботов, которое пришло на смену Gemini Robotics 1.5. Главное отличие: если предыдущая версия управляла только верхней частью тела гуманоида для задач за столом, новая модель впервые управляет всем телом целиком, от стоп до кончиков пальцев. В демонстрации на гуманоидном роботе Apollo 2 (разработка компании Apptronik) робот получает команду «положить лейку в зелёный контейнер на нижней полке», сам подходит к столу, берёт лейку, идёт к полкам и точно ставит предмет на место.
DeepMind выпустила сразу три модели. Первая, Gemini Robotics 2, модель класса «видение-язык-действие» (VLA), переводящая визуальные и текстовые команды в управление моторикой; она способна управлять полноценными гуманоидами и двурукими роботами и даёт новый уровень ловкости рук. Вторая, Gemini Robotics ER 2, модель воплощённого мышления (ER, embodied reasoning): она работает как «мозг» робота, общается с человеком, понимает физическое окружение, планирует многошаговые задачи длительностью в несколько минут и впервые координирует работу нескольких роботов одновременно. Третья, Gemini Robotics On-Device 2, облегчённая версия VLA-модели, работающая локально на устройстве без подключения к интернету; она адаптируется к новому телу робота с совершенно другой формой, сенсорами и степенями свободы всего за несколько часов на базе менее 200 примеров.
По части ловкости модель научилась управлять пятипалой кистью SharpaWave с 22 степенями свободы на роботе Apollo 2, она может завязывать узлы и застёгивать пакет с застёжкой. Также модель управляет обычными двупальцевыми захватами на платформе Franka Duo для плотной укладки предметов. Для демонстрации адаптации на других телах команда показала платформы Dexmate, SO101 и Trossen.
Отдельно DeepMind вводит новый тест безопасности ASIMOV-Agentic: он проверяет, способен ли робот отказаться от небезопасной команды, оценить, выполнима ли задача вообще, и вовремя попросить о вмешательстве человека. По заявлению компании, Gemini Robotics ER 2, самая безопасная из выпущенных ими моделей по показателям соблюдения ограничений безопасности и работы рядом с людьми: она лучше распознаёт приближение человека и способна остановить робота, если тот подошёл слишком близко.
Статус доступа разный: Gemini Robotics ER 2 уже доступна в Google AI Studio и в закрытом предпросмотре на платформе Gemini Enterprise Agent Platform; VLA-модель и версия для устройств пока доступны только партнёрам по раннему доступу.
Ключевые факты
- Google DeepMind выпустила три модели Gemini Robotics 2, ER 2 и On-Device 2 для управления роботами
- Впервые модель управляет всем телом гуманоида целиком (ходьба, приседание, дотягивание), а не только руками за столом
- Робот Apollo 2 от Apptronik по голосовой команде сам дошёл до полки и точно расставил предметы
- Пятипалая кисть SharpaWave с 22 степенями свободы завязывает узлы и застёгивает пакет; On-Device-модель адаптируется к новому телу робота за несколько часов на менее чем 200 примерах
- Введён тест безопасности ASIMOV-Agentic: проверяет отказ робота от опасных команд и способность просить о помощи человека
Почему это важно
До сих пор промышленные и экспериментальные роботы либо жёстко запрограммированы на узкий повторяющийся набор действий, либо управляются оператором вручную, перенос навыка с одного тела робота на другое почти невозможен. Gemini Robotics 2, первая модель линейки, которая управляет гуманоидом целиком (ноги, корпус, руки, пальцы), а не только верхней частью тела за столом, и делает это на разных физических платформах без отдельного переобучения под каждую.
Кому это важно
В первую очередь производителям и интеграторам гуманоидных и промышленных роботов, Apptronik (робот Apollo 2), а также компаниям, использующим платформы Franka Duo, Dexmate, SO101 и Trossen. Разработчикам сервисной и складской робототехники интересна модель On-Device, она даёт возможность быстро (за часы, на минимальном количестве примеров) перенести навыки на новое «тело» без облачного подключения.
Как это применить
Gemini Robotics ER 2, модель для планирования и координации задач, уже доступна в Google AI Studio и в закрытом предпросмотре на Gemini Enterprise Agent Platform. Основная VLA-модель Gemini Robotics 2 и облегчённая версия для локального запуска на устройстве пока открыты только партнёрам с ранним доступом; массового публичного релиза или цены DeepMind не объявила.
Можно ли доверять
Источник, официальный блог Google DeepMind с подробным описанием архитектуры трёх моделей, конкретными демонстрациями (робот Apollo 2, кисть SharpaWave, платформы Franka Duo, Dexmate, SO101, Trossen) и ссылкой на отдельный технический отчёт по безопасности. Публикация собрала 560 баллов и 445 комментариев на Hacker News за 19 часов, обсуждение активное. Конкретных независимых замеров производительности вне материалов DeepMind в тексте нет.
Риски и подводные камни
Сама компания признаёт, что скорость движений роботов пока требует доработки. Демонстрации показаны в контролируемых условиях DeepMind, а не в независимых испытаниях. Ключевые модели (VLA и On-Device) закрыты для широкой публики, оценить их реальные ограничения вне партнёрской программы пока нельзя. Расширение автономности гуманоидов до полного управления телом и координации между несколькими роботами повышает риски физической безопасности рядом с людьми, отсюда и введение отдельного теста ASIMOV-Agentic.
«Делая первые в буквальном смысле шаги, этот значительный прорыв открывает интеллектуальное управление всем телом, продвинутую ловкость рук и совместную работу нескольких роботов.»
— блог Google DeepMind