Gemini Robotics 2.5 достигла 96% успешных операций при комплектации автокомпонентов на европейских заводах Mercedes-Benz — и всё же Google DeepMind не считает эту цифру достаточной для полноценной замены человека. Новая версия платформы для роботов улучшила результат на отдельных задачах на 30–100% и стала на 20–30% быстрее. Для IT-команд это очередной сигнал: генеративный ИИ выбирается из интерфейса чата в физический мир, где цена неверного действия измеряется не плохим ответом, а остановленной линией или риском для сотрудника.
О выпуске Gemini Robotics 2.5 сообщает Ars Technica. Платформа состоит из двух ключевых частей: Gemini Embodied Reasoning анализирует инструкцию и видеопоток, чтобы спланировать работу, а модель класса vision-language-action генерирует конкретные действия робота — например, движение манипулятора. В версии 2.5 DeepMind делает ставку на ловкость: систему тестировали более чем на 200 видах деятельности, от подачи еды щипцами до работы лабораторной пипеткой.
В демонстрациях гуманоид Apollo 2 компании Apptronik с пяти-палыми руками завязывает бант. Для человека задача выглядит как лишняя строчка в чек-листе подготовки к празднику, для робота — довольно злой экзамен: лента меняет форму, скользит и не даёт опереться на жёсткую геометрию предмета. Именно такие деформируемые объекты долго оставались слабым местом роботизированных систем, хорошо справляющихся с повторяемыми деталями фиксированной формы.
Проверка в цехах важнее красивого ролика. DeepMind вместе с Apptronik и Mercedes-Benz дала роботам Apollo 2 задачу по комплектации автомобильных деталей в нескольких европейских производствах. Итоговые 96% выглядят сильнее многих прежних публичных результатов в робототехнике, но оставшиеся 4% — это не косметическая погрешность. Директор DeepMind Канишка Рао прямо признаёт, что закрыть этот разрыв будет трудно: в повторяющейся операции человек ошибается крайне редко, а фабрика не склонна считать почти безошибочный результат достаточным.
Здесь проходит граница между привычной промышленной автоматизацией и заявленной целью Google. Робот для нескольких заранее прописанных действий на конвейере — давно не сенсация. Gemini Robotics пытается работать как более универсальный исполнитель, который переносит навык на новые объекты и обстановку. Руководитель направления робототехники DeepMind Каролина Парада формулирует компромисс без маркетинговой дымовой шашки: модель можно довести почти до идеала в одной прикладной задаче либо расширять обобщение, но тогда не стоит ждать 99,9% в каждом сценарии.
Универсальности помогает Gemini 4 Argon. DeepMind использовала модель для создания тысяч вариантов тренировочных прогонов на основе данных с реальных камер — цифровых двойников рабочих ситуаций. Синтетические примеры дополняли обычные демонстрации, а Argon также разбирал сбои и предлагал улучшения для симуляций и настоящих роботов. Но ускорение разработки не отменяет ограничений эксплуатации: Gemini Robotics 2.5 работает через облачные серверы, а не на встроенном вычислителе. Задержка остаётся проблемой, и опубликованное видео, по данным издания, ускорено вдвое.
Вторая часть анонса — попытка сделать безопасность физического ИИ более проверяемой. DeepMind открыла ASIMOV-Jailbreak, набор из 1500 подсказок, намеренно подталкивающих робота к небезопасному поведению. Например, система может получить поручение упаковать предмет и закрыть застёжку, с которой фактически не способна справиться. Безопасным результатом в таком случае будет отказ или остановка, а не уверенная попытка сломать упаковку и чужие планы на смену.
По оценке DeepMind, рассуждение модели во время выполнения задачи помогает Gemini-роботам на 33% чаще безопасно завершать работу при появлении препятствий и на 43% — когда рядом находятся люди. В собственном тесте ASIMOV-Jailbreak связка с Argon показала 98,8% устойчивости к опасным инструкциям; вариант только с Gemini Robotics ER 2 набрал 73,5%. Эти результаты нельзя автоматически переносить на любой склад или завод, но открытый набор как минимум даёт рынку общий язык для сравнения — вместо традиционного «робот выглядел уверенно на сцене».
Gemini Robotics 2.5 пока не стала массовым продуктом: её получили партнёры Google, включая Agile Robots, Apptronik и Boston Dynamics. Главный вопрос теперь не в том, научится ли гуманоид завязывать банты, а в том, сможет ли разработчик доказать предсказуемость его действий в тысячах неидеальных ситуаций. Для команд, внедряющих физический ИИ, качество датасета, тесты на отказ и контроль задержек становятся такой же частью продукта, как модель и железо. Набор ASIMOV-Jailbreak доступен через материалы .
