Google DeepMind представила Gemini Robotics 2.5 — модель ИИ для управления роботами. По данным компании, в пилотном испытании на действующих линиях Mercedes-Benz человекоподобный Apollo 2 от Apptronik справился с сортировкой металлических деталей в 96% случаев. Это результат конкретной производственной задачи, а не оценка способности робота собирать автомобиль целиком.
Какие детали сортировал робот
Испытания проходили совместно с Apptronik и Mercedes-Benz в Кечкемете, Венгрия, и Зиндельфингене, Германия. Apollo 2 доставал металлические детали из контейнеров с россыпью и раскладывал их по лоткам в порядке, нужном для каждого автомобиля на сборочной линии. Иными словами, робот комплектовал наборы для производства.
Работу делили две модели: Gemini Robotics ER следила за ходом процесса, а Gemini Robotics 2.5 управляла руками и кистями. Поэтому заявленные 96% относятся к пилоту с этой связкой, а не к изолированному тесту одной модели. В опубликованном описании не указаны число попыток, длительность испытания и подробные критерии успешности.
Глава Apptronik Джефф Карденас заявил, что за несколько недель дополнительного обучения модели заметно улучшились, а при переносе на производство Mercedes потеряли в результативности совсем немного. Это оценка участника проекта; точную величину потери в описании не приводят.
Что изменилось в Gemini Robotics 2.5
Модель обрабатывает изображение, понимает словесное задание и переводит его в движения робота. Она продолжает линейку, в которой ранее появилась возможность управлять всем телом. Предысторию объясняет наш материал о Gemini Robotics 2 и управлении всем телом робота.
DeepMind сообщает об испытаниях более чем на 200 задачах: среди примеров — подача еды щипцами и перенос жидкости пипеткой. По сравнению с прежними базовыми системами самой компании доля успешных выполнений выросла на 30–100% в зависимости от типа задачи, а задачи выполнялись на 20–30% быстрее. Эти показатели относятся к набору испытаний: переносить их на скорость работы линии Mercedes-Benz нельзя.
Система рассчитана на разные конструкции, включая Apollo 2 с пятипалой кистью и Franka Duo с двухпальцевыми захватами. Для обучения DeepMind использовала Gemini 4 Argon: по реальной сцене с камеры эта модель может создавать тысячи виртуальных тренировочных прогонов. Вместе с реальными демонстрациями это, по замыслу компании, должно помогать роботам осваивать новые предметы и обстановку.
Безопасность и границы результата
DeepMind также заявляет об управлении в реальном времени для уклонения от физических опасностей. Во внутренних оценках компании показатель безопасного выполнения задач улучшился на 33% рядом с препятствиями и на 43% рядом с людьми. Это отдельные результаты, а не показатели безопасности пилота Mercedes-Benz.
Для проверки опасных словесных команд компания выпустила открытый тест ASIMOV-Jailbreak: сотни запросов маскируют небезопасные действия в десятках ситуаций. Такой тест проверяет устойчивость к провокационным инструкциям, но не заменяет проверку физических рисков на производстве.
По сообщению DeepMind, Gemini Robotics 2.5 внедряется у партнёров Agile, Apptronik и Mercedes-Benz. Заявленные 96% — конкретный результат комплектования деталей в пилоте. Данных о стоимости, экономии, влиянии на персонал и сроках широкого внедрения в описании нет. Судить по этому числу об окупаемости или готовности полностью автоматизировать сборку пока нельзя.
