Google DeepMind представила новое поколение платформы Gemini Robotics на базе искусственного интеллекта. В версии 2.5 компания приблизила роботов к выполнению практических задач на уровне человека. Отдельные машины уже использовались для работы на предприятиях Mercedes-Benz, а разработчики готовят открытый эталон для проверки безопасности роботов, работающих рядом с людьми.
Платформа включает несколько вычислительных уровней между командой пользователя и действием робота. Модель Gemini Embodied Reasoning (модель для воплощённого рассуждения) анализирует инструкции и потоковое видео, после чего определяет последовательность выполнения задачи. За непосредственное формирование команд для приводов отвечает модель «зрение — язык — действие» Gemini Robotics, получившая обновление до версии 2.5.
По данным Google DeepMind, новая система заметно улучшила выполнение операций, требующих точных движений. Её проверили более чем на 200 заданиях, среди которых были перенос продуктов щипцами и работа с пипеткой, характерная для лабораторий. Гуманоидный робот Apollo 2 компании Apptronik под управлением Gemini Robotics 2.5 научился завязывать бантик пальцами, несмотря на то, что ленты и другие гибкие предметы особенно сложны для роботизированных манипуляторов.
В лабораторных испытаниях показатель успешного выполнения задач оказался на 30–100 процентов выше, чем у предыдущей версии системы. Одновременно роботы стали справляться с заданиями на 20–30 процентов быстрее. Как сообщает Ars Technica, для проверки технологии в реальных условиях Google объединилась с Apptronik и Mercedes-Benz.
Роботы Apollo 2 с системой Gemini участвовали в комплектации автомобильных деталей на нескольких европейских заводах. При выполнении этой работы они достигли результата в 96 процентов успешных операций. Разработчики признают, что для повторяющихся производственных задач этого пока недостаточно, поскольку человеку удаётся выполнять их практически без ошибок, а устранение оставшихся четырёх процентов станет сложной задачей.