Google DeepMind робототехника саласындағы қарқынды белгілеуді жалғастыруда, Gemini Robotics 2 — мәтінді және визуалды деректерді тікелей моторлық әрекеттерге аударатын инновациялық VLA-модельді (Vision-Language-Action) жариялады. Бұл жай ғана жаңарту емес, сапалық секіріс: жүйе енді роботтың тек жоғарғы бөлігін ғана емес, бүкіл денесін басқаруды қамтиды, алдыңғы нұсқадағыдай емес.
Манипуляторлардан гуманоидтарға дейін: ымырасыз әмбебаптық
Модель әртүрлі форма-факторлардағы роботтарға есептелген — ықшам үстел манипуляторларынан толық өлшемді гуманоидтарға дейін. Негізгі айырмашылық — күрделі қозғалыстарды орындау қабілеті: жүру, отыру, еңкею және шектеулі кеңістікте заттарды көтеру. Демонстрациялық сынақтарда Gemini Robotics 2 басқаратын Apptronik Apollo 2 гуманоиды су құйғышты алу немесе сөреден бейсбол қолғабын алу сияқты тапсырмаларды сенімді орындап, әсерлі үйлесімділікті көрсетті.
Жақсартылған моторика ерекше назар аударуға тұрарлық. Модель 22 еркіндік дәрежесі бар күрделі қолдарды қолдайды, бұл нәзік операцияларға мүмкіндік ашады: түйін байлау, пакеттерді жабу немесе шамды бұрап алу. Бұл роботтарды адам ептілігіне жақындатады, бұл нақты өндірістік және тұрмыстық сценарийлер үшін өте маңызды.
ER 2: үйлестіру үшін «жоғары деңгейлі ми»
Параллельді түрде DeepMind стратегиялық жоспарлаушы рөлін атқаратын жаңартылған ER 2 моделін ұсынды. Ол көп сатылы тапсырмаларды кезеңдерге бөледі, олардың орындалуын қадағалайды және бірнеше робот арасында жүктемені бөледі. Көрсетілген сценарийлердің бірінде Apollo 2 гаражды тазалау кезінде құралдарды контейнерге жинайтын Google-дің екі қолды роботының әрекеттерін үйлестірді. Бұл мультиробототехникалық жүйелердегі «ми» мен «дененің» үйлесімді жұмысының нақты мысалы.
Автономдылықты бағалайтындар үшін компания Gemini Robotics On-Device 2 жергілікті нұсқасын ұсынды. Ол интернетке қосылусыз жұмыс істейді және 200 мысалдан аз уақытта жаңа роботтарға бейімделеді, бірнеше сағат ішінде оқиды. Бұл технологияны деректер қауіпсіздігі мен реакция жылдамдығы бірінші кезектегі маңызға ие мамандандырылған өнеркәсіптік қолданыстар үшін қолжетімді етеді.
Қазіргі уақытта Gemini Robotics 2 жеке қарау режимінде қолжетімді, ER 2 — Gemini API және Google AI Studio арқылы, ал On-Device 2 сенімді серіктестердің шектеулі тобымен сынақтан өтуде. DeepMind нақты экономикаға интеграциялана алатын әмбебап жүйелерді құруға мақсатты түрде бет алғаны анық.
Менің талдауым: Мұндай әзірлемелер эксперименталды робототехникадан практикалық шешімдерге көшуді білдіреді. Дегенмен, негізгі сын-қатер техникалық қуат емес, мұндай жүйелерді жаппай өндіріске енгізудің экономикалық орындылығы болып қала береді. Алдағы 2-3 жылда біз, мүмкін, бұл технологиялар нақты жағдайларда сыналатын алғашқы коммерциялық пилоттық жобаларды көреміз.