Google DeepMind uczy roboty współpracy. Gemini Robotics 2 wychodzi z laboratorium
Humanoid Apollo 2 wyciąga rękę po przedmiot na półce i trafia w niego w 76,3% przypadków. Dla człowieka to czynność banalna, dla maszyny — ogromne wyzwanie obliczeniowe. Google DeepMind właśnie pokazało Gemini Robotics 2, model typu Vision-Language-Action (VLA), który ma ambicję stać się uniwersalnym mózgiem dla mechanicznych ciał, od prostych ramion po dwunożne roboty.
To ważny moment, bo Google przenosi swoje badania do fazy wczesnej komercjalizacji. Dzięki integracji modelu w Google AI Studio, deweloperzy mogą zacząć budować aplikacje wykorzystujące tzw. inteligencję ucieleśnioną. Zamiast pisać tysiące linii kodu dla każdego ruchu, programiści dają maszynie ogólne instrukcje, a model sam interpretuje obraz i zamienia go na konkretne działanie silników.
Szybciej, taniej i z planem w głowie
Równolegle z głównym silnikiem akcji zadebiutował Gemini Robotics ER 2 (Embodied Reasoning). To system wyższego rzędu, który Google określa jako „advanced model” do rozumienia przestrzeni fizycznych i planowania wieloetapowych zadań. Testy pokazują, że ER 2 działa około cztery razy szybciej niż poprzednie, cięższe modele, co drastycznie obniża koszty obliczeniowe w chmurze.
System radzi sobie coraz lepiej z dynamiką. Według danych opublikowanych przez Unite AI, model osiągnął 91,3% dokładności w synchronizacji z błędem czasowym poniżej jednej sekundy. To pozwala na płynną współpracę kilku maszyn naraz, co do tej pory było zmorą hal produkcyjnych.
Gdzie kończy się spryt maszyny?
Mimo imponujących liczb, DeepMind nie ukrywa ograniczeń. W zadaniach wymagających precyzyjnej manipulacji Gemini Robotics 2 wciąż miewa problemy. Choć model osiągnął 92% skuteczności przy odkręcaniu żarówki, to proces odwrotny — jej wkręcanie — kończył się sukcesem jedynie w 36% prób. Maszyny mają też trudności z oceną własnych postępów; dokładność w klasyfikacji etapu zadania wynosi obecnie 57,4%.
Zamiast tworzyć oprogramowanie dedykowane każdemu urządzeniu, DeepMind stawia na elastyczną warstwę inteligencji. To próba stworzenia standardu, który sprawi, że robotyka przestanie być dziedziną wąskich specjalizacji, a stanie się platformą tak powszechną jak dzisiejsze smartfony.
