Google DeepMind лише що випустила Gemini Robotics ER 2, і це той тип оновлення, який заставляє вас переосмислити, чого насправді здатні роботи. Нова модель не просто робить окремих роботів розумнішими. Вона дозволяє групам абсолютно різних роботів працювати разом, наче вони мають спільний мозок.
Boston Dynamics’ Spot і Apptronik’s Apollo, два роботи, які нічого не схожі один на одного й виконують дуже різні завдання, тепер можуть координувати дії завдяки спільній семантичній розумінні, що забезпечується штучним інтелектом Google.
Що насправді робить Gemini Robotics ER 2
Основною інновацією тут є те, що DeepMind називає «часовою інтелігентністю». На англійській: робот може спостерігати за тим, що відбувається, через безперервний відеопотік, розуміти, де він перебуває в багатокроковій задачі, і відповідно планувати своє наступне діяння.
Цифри розповідають цікаву історію. Модель досягає точності 57,4% для класифікації прогресу та 91,3% для виявлення моментів, при середній помилці лише 0,96 секунди. Класифікація прогресу — здатність зрозуміти, наскільки далеко просунулася задача, — ще має простір для розвитку. Але виявлення моментів — точне визначення того, коли відбувається певна подія у відеопотоці — виявляється дуже точним із точністю менше секунди.
Інтеграція з API Google Gemini Live додає ще один рівень. Вона забезпечує потокову двосторонню передачу з низькою затримкою між моделлю ШІ та роботом, що означає, що система може адаптуватися в реальному часі без незручних пауз, які страждали попередні контролери роботів.
Безпека також отримала значну модернізацію. Покращені показники виконання інструкцій та краще виявлення наближення означають, що ці роботи менш схильні завдати шкоди людським колегам.
Будівельні блоки сягають 2025 року
ER 2 не з’явився звідкись. Він базується на фундаменті, який Google почав закладати у березні 2025 року з початковими робототехнічними моделями Gemini, після чого було оновлення у вересні того ж року. Кожна ітерація поступово розширювала можливості роботів з використанням генеративного ІІ, переходячи від базового виконання завдань до такого агентного поведінки, що дозволяє машинам приймати контекстні рішення в реальному часі.
Google також не діє в вакуумі. Рішення підтримувати стороннє обладнання, наприклад роботів Boston Dynamics і Apptronik, свідчить про те, що Google хоче стати рівнем операційної системи для робототехніки, а не просто виробником обладнання.