Gemini Robotics 2 від Google: робот, який може робити все, що ви просите
Нова сім'я моделей штучного інтелекту від Google DeepMind наближає фізичних роботів до універсальних помічників з кращою спритністю, командною роботою кількох роботів і однією моделлю, яку розробники можуть спробувати вже зараз.
Ключові моменти
- Google DeepMind запустила Gemini Robotics 2, нову сім'ю моделей штучного інтелекту для фізичних роботів, у 2025 році.
- Випуск включає три підмоделі, одна з яких уже доступна розробникам через Gemini Live API.
- Gemini Robotics ER 2 — це оновлена модель «втіленого міркування», яка, за словами DeepMind, є істотним кроком уперед порівняно з попередньою версією 1.6.
- Мета — створити «універсального робота», який зможе реагувати на будь-яку усну або текстову команду, концепцію, яку вчені Google називають «фізичним ШІ» (штучним загальним інтелектом).
- Нова система може керувати цілим тілом гуманоїдного робота, включаючи складні багатопалі кисті рук.
Роками вірусні відео дотримувались одного сценарію: гладкий робот робить сальто, приймає позу, а потім зупиняється. Вражаюче. Але марно. Ці машини були створені, щоб робити лише одне, і більше нічого.
Google хоче це повністю змінити.
Що насправді оголосив Google?
Gemini Robotics 2 — це новий набір моделей штучного інтелекту, тобто програмні мозки, навчені на величезних обсягах даних, розроблені для роботи всередину фізичних роботів. Якщо раніші системи могли обробляти вузькі, заздалегідь запрограмовані рухи, цей випуск прагне до чогось ширшого.
Головна мета — те, що дослідники DeepMind називають «фізичним ШІ», скорочення для штучного загального інтелекту, застосованого до реального світу. Ідея проста для формулювання, але складна для втілення: ви велите роботу щось робити, а він розбирається, як. Жодного спеціального програмування для кожної нової задачі. Жодного жорсткого сценарію.
Три підмоделі входять до сім'ї Gemini Robotics 2. Найбільш доступна прямо зараз — Gemini Robotics ER 2, де «ER» означає «втілене міркування», що означає здатність розуміти фізичне середовище та діяти в ньому. Розробники можуть підключитися до неї сьогодні через Gemini Live API, програмний інтерфейс, який дозволяє командам розробників будувати та тестувати поведінку роботів.
Як повідомляла Ars Technica AI, DeepMind описує ER 2 як значний стрибок уперед порівняно з попередньою моделлю Gemini Robotics 1.6.
Що ці робота насправді можуть робити зараз?
Три вдосконалення виділяються з оголошення Google.
По-перше, система може управляти всім тілом, що означає координацію повного гуманоїдного робота з голови до ніг, включаючи кисті рук із кількома рухомими пальцями. Така спритність давала в спину.
По-друге, робота можуть постійно читати змінне середовище, а не покладатися на фіксований знімок. Коробка рухається; робот адаптується.
По-третє, кілька роботів тепер можуть співпрацювати над однією задачею, передаючи предмети один одному або розподіляючи етапи роботи.
| Можливість | Попередня версія | Gemini Robotics 2 |
|---|---|---|
| Керування гуманоїдним роботом у цілому | Обмежено | Так |
| Співпраця кількох роботів | Ні | Так |
| Постійний аналіз середовища | Частково | Поліпшено |
| Доступ розробника до API | Ні | Так (ER 2 сьогодні) |
Чи мають звичайні люди вже цікавитися цим?
Поки що ні, але напрямок важливий. Зараз Gemini Robotics 2 — це інструмент для розробників, щось для лабораторій і компаній, що будують роботів, а не продукт, який можна купити.
Насправді Google закриває розрив між роботом, який виконує репетований трюк, і тим, який одного дня міг би допомогти на складі, на кухні або в будинку для людей похилого віку. Кожен такий випуск звужує цей розрив трохи далі.
У момент, коли робота зможуть надійно виконувати відкриті інструкції, економічний тиск на їх впровадження буде значним. Це варто спостерігати, навіть якщо ваш домашній робот ще за роками.
Часті питання
Що таке «фізичний ШІ» і чому Google використовує цей термін?
ШІ, штучний загальний інтелект, відноситься до системи штучного інтелекту, здатної справлятися з будь-якою задачею, яку може виконати людина, а не лише з однією конкретною роботою. Вчені Google використовують термін «фізичний ШІ» для описання такої ж гнучкості, застосованої до роботів, що працюють у реальному світі.
Чи можуть розробники використовувати Gemini Robotics 2 сьогодні?
Одна з трьох підмоделей, Gemini Robotics ER 2, доступна зараз через Gemini Live API. Інші моделі в сім'ї поки що не є відкритими для громадськості.
