96% успеха! Андроиды выходят на заводские производства

Gemini Robotics 2.5 – это самая совершенная на сегодняшний день модель “зрение-язык-действие” (vision-language-action, VLA) от Google DeepMind, разработанная для того, чтобы андроиды могли выполнять более широкий спектр физических задач с большей ловкостью, надежностью и безопасностью. Новая модель призвана вывести роботов на базе искусственного интеллекта за пределы контролируемых лабораторных условий и приблизить их к практическому применению в производстве и повседневной жизни.

Модель Gemini Robotics 2.5 основана на предыдущих исследованиях Google в области робототехники, расширяя способность машин понимать окружающую обстановку, манипулировать предметами и адаптироваться к незнакомым ситуациям. Возможности модели оценивались на более чем 200 различных задачах, что продемонстрировало улучшение как в сложности задач, так и в скорости их выполнения.

Одним из главных достижений Gemini Robotics 2.5 стала способность работать с хрупкими предметами и выполнять задачи, требующие точных движений и координации. К ним относятся использование повседневных инструментов, манипуляции с гибкими материалами, обращение с деликатными вещами и выполнение многоэтапных операций.

По данным компании Google DeepMind, в зависимости от типа задачи новая модель демонстрирует от 30% до 100% более высокий уровень успешности выполнения по сравнению с предыдущими базовыми моделями, при этом выполняя операции на 20-30% быстрее.

Улучшения проявились в таких видах деятельности, как подача еды щипцами, завязывание лент, складывание одежды и работа с мелкими деталями. В отличие от традиционных роботизированных систем, предназначенных для узкоспециализированных операций, новая модель призвана помочь роботам применять приобретенные навыки для работы с различными объектами и в разных условиях.

Gemini Robotics 2.5 также поддерживает различные робототехнические платформы, в частности гуманоидных роботов и системы, оснащенные специализированными роботизированными манипуляторами и захватами.

Особенно показательным стал эксперимент, проведенный в рамках сотрудничества Google DeepMind, робототехнической компании Apptronik и Mercedes-Benz.

Партнеры протестировали человекоподобных роботов Apollo 2 от Apptronik непосредственно на действующих автомобильных производственных линиях в Германии и Венгрии. С помощью Gemini Robotics 2.5 роботы-гуманоиды автономно выполняли комплектацию автомобильных деталей: сортировали отдельные металлические детали из насыпных контейнеров и размещали их в упорядоченные лотки в правильной последовательности для дальнейшей сборки автомобиля.

Система сочетала две функции ИИ: Gemini Robotics ER отвечала за пространственное мышление и планирование рабочего процесса, а Gemini Robotics 2.5 преобразовывала эти решения в физические действия, управляя руками и манипуляторами робота.

Во время испытаний роботы достигли 96% успешности исполнения задач. Это демонстрирует потенциал андроидов на базе ИИ для выполнения повторяющихся и физически сложных промышленных операций. Автоматизация таких процессов может способствовать поддержанию эффективности производства, позволяя техническим специалистам сосредоточиться на более сложной работе

Gemini Robotics 2.5 также внедряет усовершенствованные механизмы безопасности, которые используют логическое рассуждение непосредственно во время выполнения задачи, помогая роботам обнаруживать и избегать физических опасностей в режиме реального времени. Согласно оценкам специалистов Google DeepMind, эти усовершенствования повысили показатель безопасного выполнения задач на 33% вблизи препятствий и на 43% вблизи людей.

Google также занимается решением вопросов безопасности, связанных с автономными роботизированными системами. Компания представила ASIMOV-Jailbreak – тест с открытым исходным кодом, предназначенный для оценки способности роботов противостоять манипулятивным инструкциям, которые могут побуждать их к опасным действиям.

Бенчмарк содержит сотни провокационных промптов для различных сценариев. По данным Google, модель Gemini 4 Argon продемонстрировала устойчивость к таким попыткам на уровне 99,5% по сравнению с 82% у предыдущей базовой модели Gemini Robotics ER 2.

Еще одним важным достижением является роль модели Gemini 4 Argon в ускорении разработки роботизированных систем.

Традиционное обучение роботов новым физическим навыкам требует большого количества демонстраций в реальном мире и значительных объемов специализированных данных. Gemini 4 Argon помогает решить эту проблему, генерируя сценарии-симуляции обучения на основе реальных видеозаписей с камер и создавая цифровые двойники физического окружения.

Исследователи могут использовать эти симуляции для создания тысяч тренировочных сценариев, тестирования различных подходов и анализа причин неудачного выполнения определенных действий. Полученные результаты в дальнейшем помогают улучшать работу роботов как в симуляциях, так и на реальном оборудовании.

Сочетание обучения в симулированной среде с демонстрациями в реальных условиях может ускорить и повысить эффективность разработки роботизированных систем, позволяя им лучше адаптироваться к незнакомым предметам и окружающей среде.

Генерация синтетических данных также становится важной составляющей современных разработок в области искусственного интеллекта, помогая исследователям и компаниям преодолевать ограничения, связанные с доступностью данных, и повышать производительность моделей. QuData предлагает решения для генерации синтетических данных, в частности создание наборов данных, аннотирование, проверку качества, расширение данных и интеграцию синтетических и реальных данных для обеспечения масштабируемого обучения моделей искусственного интеллекта.