Google DeepMind показала Gemini Robotics 2: роботы учатся действовать всем телом
Google DeepMind представила Gemini Robotics 2 - новое поколение моделей для роботов, которые должны не просто понимать команды, а превращать их в движения в реальном пространстве. Компания описывает систему как “intelligence layer” для адаптивных роботов: она связывает зрение, язык, планирование и моторный контроль.
Главная разница с обычным чат-ботом в том, что результат здесь измеряется не текстом, а действием. В примерах DeepMind робот может ходить, приседать, тянуться к предметам, убирать беспорядок и координироваться с другой машиной. Для гуманоидов это особенно важно: модель должна управлять не одной рукой или камерой, а всем телом - от стоп до пальцев.
Что именно выпустила DeepMind
Релиз состоит из трех моделей. Gemini Robotics 2 - vision-language-action модель, которая переводит изображение и команду в моторное действие. Gemini Robotics ER 2 отвечает за embodied reasoning: понимает физическую сцену, общается с человеком и планирует многошаговые задачи на несколько минут. Gemini Robotics On-Device 2 оптимизирована для локального запуска на роботах.
Отдельно DeepMind выделяет совместную работу нескольких машин. Разные роботы могут делить задачу через общее понимание сцены: например, гуманоид и роботизированная рука распределяют действия вместо того, чтобы работать как изолированные устройства.
Почему это важнее очередного ролика
Робототехника давно страдает от разрыва между эффектной демонстрацией и надежной работой в обычной среде. Комната, склад или лаборатория меняются постоянно: предметы лежат не там, люди проходят рядом, а ошибка может разбить вещь или задеть человека.
DeepMind поэтому отдельно говорит о пространственном понимании и безопасности. В Google Blog для Gemini Robotics ER 2 компания описывает улучшения в распознавании сбоев по видео, чтении разных приборов и тестах на следование ограничениям рядом с человеком. Это важный практический слой: физический ИИ должен не только выполнить просьбу, но и заметить, что действие пошло не так.
Для обычного читателя смысл простой: сильные модели постепенно получают тело. Пока это не означает массовых домашних роботов завтра, но показывает направление рынка. После гонки чат-ботов начинается гонка за агентами, которые умеют действовать в мире, а не только советовать на экране.
