Google Gemini Robotics 2 daje robotom zręczność i zdolność współpracy
Od dekad marzymy o robotach, które w płynny sposób wyręczą nas w domowych lub fabrycznych obowiązkach. Rzeczywistość jest jednak taka, że większość dzisiejszych maszyn to ściśle zaprogramowane, powtarzalne automaty, które gubią się, gdy tylko minimalnie zmieni się ich otoczenie.
Google DeepMind postanowiło ten problem rozwiązać, przenosząc potęgę dużych modeli językowych do świata fizycznego. Gemini Robotics 2 to zintegrowany system, który daje robotom inteligencję całego ciała, zdolność logicznego myślenia i niespotykaną dotąd zręczność.
Od stóp do czubków palców. Jak działa fizyczna sztuczna inteligencja?
Dotychczas inżynierowie uczyli maszyny konkretnych sekwencji ruchów. Teraz Google stawia na podejście holistyczne. Sztandarowy model Gemini Robotics 2 (VLA – Vision-Language-Action) konwertuje to, co robot „widzi” i komunikaty, które słyszy, bezpośrednio na sterowanie motoryczne. Obejmuje to pełną kontrolę nad humanoidalną sylwetką, od balansowania ciałem po precyzyjne chwytanie przedmiotów.
W praktyce oznacza to, że robot Apollo 2 potrafi wysłuchać komendy, samodzielnie podejść do półki, kucnąć i sięgnąć po konkretny obiekt. Sprzęt radzi sobie także z zadaniami wymagającymi ludzkiej precyzji, takimi jak wiązanie węzłów czy zamykanie woreczków strunowych. To przeniesienie interakcji znanej z klasycznego, tekstowego Gemini wprost do fizycznego, znacznie bardziej nieprzewidywalnego świata.
Mózg operacyjny i współpraca maszyn. Czym jest model ER?
Prawdziwym wyzwaniem w robotyce nie jest sam ruch, ale radzenie sobie z wieloetapowymi procesami. Za ten aspekt odpowiada Gemini Robotics ER 2 (Embodied Reasoning), który pełni funkcję nadrzędnego „mózgu” robota. Obserwuje on pomieszczenie, planuje proces składający się z setek drobnych decyzji i na bieżąco monitoruje postępy.
Jeśli robot popełni błąd i upuści przedmiot, system to zauważy, skoryguje plan i ponowi próbę, zamiast zawieszać się w oczekiwaniu na reset. Zupełną nowością jest z kolei funkcja pracy zespołowej. Różne typy robotów mogą teraz komunikować się ze sobą, by wspólnie realizować proces, z którym pojedyncza maszyna ze względu na swoje ograniczenia fizyczne by sobie nie poradziła.
Działanie bez internetu i błyskawiczna adaptacja do nowego sprzętu
Każdy, kto testował systemy oparte na chmurze, wie, jak zgubne potrafią być opóźnienia w transmisji danych. W przypadku poruszających się, ciężkich maszyn to kwestia bezpieczeństwa. Dlatego Google przygotowało wersję Gemini Robotics On-Device 2, która została zoptymalizowana do działania całkowicie lokalnie, bez potrzeby stałego dostępu do sieci.
Równie istotne dla branży jest tempo uczenia się nowego sprzętu. Dzięki technikom transferu ruchu, model Google potrafi zaadaptować się do zupełnie innej konstrukcji robota w zaledwie kilka godzin, wykorzystując do tego mniej niż 200 przykładów treningowych. To zwiastuje koniec żmudnego, wielomiesięcznego kalibrowania oprogramowania pod każdą nową maszynę schodzącą z taśmy produkcyjnej.
Nowy standard bezpieczeństwa. Czy mamy się czego obawiać?
Wraz ze wzrostem autonomii robotów, na celowniku staje bezpieczeństwo pracy z ludźmi. Google DeepMind wprowadza nowy standard testowania – ASIMOV-Agentic. To benchmark, który weryfikuje, czy „mózg” robota potrafi logicznie odmówić wykonania niebezpiecznego zadania lub poprosić człowieka o interwencję w sytuacji braku pewności.
System został również uzbrojony w rygorystyczne procedury awaryjne. Model ciągle skanuje przestrzeń pod kątem bliskości człowieka – jeśli intruz znajdzie się na torze kolizyjnym maszyny, oprogramowanie natychmiast wymusza bezpieczne zatrzymanie napędów. Wszystko po to, by zaawansowana automatyka mogła wkrótce bez obaw opuścić sterylne laboratoria.
BMW zakłada czujniki i ubiera ludzi w sensoryczne rękawice. Celem: robotyka
