Google DeepMind продолжает задавать темп в области робототехники, анонсируя Gemini Robotics 2 — инновационную VLA-модель (Vision-Language-Action), которая переводит текст и визуальные данные непосредственно в моторные действия. Это не просто обновление, а качественный скачок: система теперь охватывает управление всем телом робота, а не только его верхней частью, как в предыдущей версии.
От манипуляторов до гуманоидов: универсальность без компромиссов
Модель рассчитана на роботов различных форм-факторов — от компактных настольных манипуляторов до полноразмерных гуманоидов. Ключевое отличие — способность выполнять сложные движения: ходьбу, приседания, наклоны и подъем предметов в ограниченном пространстве. В демонстрационных тестах гуманоид Apptronik Apollo 2 под управлением Gemini Robotics 2 уверенно справлялся с задачами вроде подбора лейки или снятия бейсбольной перчатки с полки, демонстрируя впечатляющую координацию.
Особого внимания заслуживает улучшенная моторика. Модель поддерживает сложные кисти с 22 степенями свободы, что открывает возможности для тонких операций: завязывание узлов, закрытие пакетов или выкручивание лампочки. Это приближает роботов к человеческой ловкости, что критически важно для реальных производственных и бытовых сценариев.
ER 2: «высокоуровневый мозг» для координации
Параллельно DeepMind представила обновленную модель ER 2, выполняющую роль стратегического планировщика. Она разбивает многоступенчатые задачи на этапы, отслеживает их выполнение и распределяет нагрузку между несколькими роботами. В одном из показанных сценариев Apollo 2 координировал действия двурукого робота Google, который складывал инструменты в контейнер во время уборки гаража. Это наглядный пример слаженной работы «мозга» и «тела» в мультиробототехнических системах.
Для тех, кто ценит автономность, компания предложила локальную версию Gemini Robotics On-Device 2. Она функционирует без интернет-подключения и адаптируется к новым роботам менее чем за 200 примеров, обучаясь всего за несколько часов. Это делает технологию доступной для специализированных промышленных применений, где безопасность данных и скорость реакции имеют первостепенное значение.
На данный момент Gemini Robotics 2 доступна в режиме приватного просмотра, ER 2 — через Gemini API и Google AI Studio, а On-Device 2 тестируется ограниченным кругом доверенных партнеров. Очевидно, что DeepMind целенаправленно движется к созданию универсальных систем, способных интегрироваться в реальную экономику.
Мой анализ: Подобные разработки сигнализируют о переходе от экспериментальной робототехники к практическим решениям. Однако ключевым вызовом останется не столько техническая мощь, сколько экономическая целесообразность внедрения таких систем в массовое производство. В ближайшие 2-3 года мы, вероятно, увидим первые коммерческие пилоты, где эти технологии будут проверяться на прочность в реальных условиях.