Gemini Robotics 2 от Google DeepMind учит роботов ходить, завязывать узлы и работать в парах
Новая модель управляет гуманоидами от ног до кончиков пальцев, адаптируется к новым робототехническим телам за часы и позволяет машинам сотрудничать при выполнении более сложных задач.
Ключевые моменты
- Google DeepMind представила Gemini Robotics 2, обновленную систему искусственного интеллекта для управления роботами, в день этого объявления.
- Система теперь контролирует движения всего тела в гуманоидных роботах, таких как Apollo 2 от Apptronik, а не только манипуляторы на столе.
- Новая версия, работающая непосредственно на устройстве, может быть обучена на новом робототехническом теле за несколько часов, используя менее 200 примеров.
- Модель рассуждений Gemini Robotics ER 2 доступна в Google AI Studio и в приватном превью на платформе Gemini Enterprise Agent Platform.
- По словам DeepMind, это самый безопасный выпуск в области робототехники на тестах близости с людьми, подкрепленный новым бенчмарком ASIMOV-Agentic.
Google DeepMind выпустила Gemini Robotics 2, обновление искусственного интеллекта, который предназначен для управления следующим поколением физических роботов. Объявление было опубликовано в блоге DeepMind.
Идея проста. Дайте роботу инструкцию на естественном языке, и программное обеспечение определит, как двигать его ноги, руки и пальцы для выполнения задачи.
Раньше это означал робото-манипулятор на скамье, выполняющий одну повторяющуюся задачу. Эта версия управляет полноценным гуманоидом по комнате.
Что такое Gemini Robotics 2 в простых словах?
Это программный уровень, который преобразует устные инструкции и изображения с камеры в физическое движение. DeepMind называет это моделью зрение-язык-действие, то есть систему, которая воспринимает то, что видит и слышит робот, а затем выдает команды управления моторами для выполнения действия.
В этом выпуске три компонента. Один отвечает за действие, один за рассуждение и планирование, а один представляет собой облегченную версию, работающую непосредственно на роботе без подключения к интернету.
| Модель | Что она делает | Где её получить |
|---|---|---|
| Gemini Robotics 2 | Преобразует зрение и язык в управление двигателями для полноценных гуманоидов и двухруких роботов | Ранние партнеры доступа |
| Gemini Robotics ER 2 | Планирует многошаговые задачи, общается с людьми, координирует работу нескольких роботов | Google AI Studio; приватное превью на платформе Gemini Enterprise Agent Platform |
| Gemini Robotics On-Device 2 | Работает локально на роботе, адаптируется к новому телу за часы | Ранние партнеры доступа |
Что он может делать прямо сейчас?
В демонстрациях DeepMind гуманоид Apptronik Apollo 2 слышит «положи лейку в зеленый контейнер на нижнюю полку», ходит к столу, поднимает лейку, идет к полке и ставит её. Ничего быстрого. Ничего грациозного. Но полностью, используя ноги.
Ловкость — еще один основной момент. Модель управляет пятипалой рукой SharpaWave с 22 суставами, чего достаточно, чтобы завязать узел или закрыть пакет с застежкой-молнией. Она также работает с более простыми двухпалыми захватами на исследовательской платформе Franka Duo для задач плотной упаковки.
Теперь два робота могут разделить задачу. Модель рассуждений Gemini Robotics ER 2 координирует их работу и отслеживает, действительно ли каждый шаг сработал.
Чем это отличается от предыдущей версии?
Предыдущая версия Gemini Robotics, выпущенная ранее в этом году, управляла верхней частью тела гуманоида для работ на столе. Ходьба всем телом и балансировка были вне области применения.
DeepMind честно признает, что скорость все еще является проблемой. Демонстрация Apollo демонстрирует осторожное, а не быстрое движение. Смотрите видеоклипы, и вы увидите робота, обдумывающего каждый шаг.
Модель, работающая непосредственно на устройстве, — это более скромное обновление. Её можно применить к новому робототехническому телу, другой конфигурации манипулятора или новому набору датчиков, и она научится управлять ей за несколько часов из менее чем 200 демонстрационных примеров. DeepMind показал это работающим на оборудовании Dexmate, SO101 и Trossen.
Должны ли обычные люди беспокоиться о безопасности?
Не сегодня, потому что эти роботы все еще находятся в лабораториях и партнерских мастерских, а не в жилых комнатах. Но DeepMind явно подготавливает основу для дня, когда они прибудут.
Компания опубликовала технический отчет по безопасности Gemini Robotics 2 и представила бенчмарк под названием ASIMOV-Agentic, который проверяет, отказывает ли модель рассуждений от небезопасных команд и просит помощь у человека, когда она не уверена. Он также измеряет, насколько хорошо робот обнаруживает человека, идущего слишком близко, и останавливает движение.
DeepMind утверждает, что это её лучшая модель робототехники на сегодняшний день при тестировании близости с людьми. Это оценка самой компании, согласно её собственному бенчмарку, поэтому рассматривайте это как основу для улучшения, а не как сертификат.
Что дальше?
Разработчики могут попробовать модель рассуждений Gemini Robotics ER 2 в Google AI Studio прямо сейчас. Модели действия сначала поступают к выбранным партнерам по оборудованию.
Честный анализ: это значительный прогресс в области управления роботами общего назначения, а не готовый товар. Гуманоид, который проходит по комнате и убирает лейку, — это реальный шаг. Гуманоид, который стирает вашу одежду, — это не в этом году.
