96% успіху! Андроїди беруться до робіт на фабриці 

Gemini Robotics 2.5 – це найдосконаліша на сьогодні модель “зір-мова-дія” (vision-language-action, VLA) від Google DeepMind, яка розроблена для того, щоб андроїди могли виконувати ширший спектр фізичних завдань спритніше, надійніше та безпечніше. Нова модель покликана вивести роботів на базі штучного інтелекту за межі контрольованих лабораторних умов і наблизити їх до практичного застосування у виробництві та повсякденному житті.

Модель Gemini Robotics 2.5 ґрунтується на попередніх дослідженнях Google у галузі робототехніки, розширюючи здатність машин розуміти оточення, маніпулювати предметами та адаптуватися до незнайомих ситуацій. Можливості моделі оцінювали на понад 200 різних завдань, що продемонструвало покращення як у складності завдань, так і в швидкості їх виконання.

Одним із головних досягнень Gemini Robotics 2.5 є здатність працювати з крихкими предметами та виконувати завдання, які вимагають точних рухів і координації. До них належать використання повсякденних інструментів, маніпуляції з гнучкими матеріалами, поводження з делікатними речами та виконання багатоетапних операцій.

За даними компанії Google DeepMind, залежно від задачі нова модель демонструє від 30% до 100% вищий рівень успішності виконання завдань порівняно з попередніми базовими моделями, при цьому виконуючи операції на 20-30% швидше.

Покращення проявилися у таких видах діяльності, як подача їжі щипцями, зав’язування стрічок, складання одягу та робота з дрібними деталями. На відміну від традиційних роботизованих систем, призначених для вузькоспеціалізованих операцій, нова модель має допомогти роботам застосувати набуті навички для роботи з різними об’єктами та в різних середовищах.

Gemini Robotics 2.5 також підтримує різні робототехнічні платформи, зокрема гуманоїдних роботів та системи, оснащені спеціалізованими роботизованими маніпуляторами та захватами.

Особливо показовим став експеримент, який відбувся в рамках співпраці між Google DeepMind, робототехнічною компанією Apptronik та Mercedes-Benz.

Партнери протестували людиноподібних роботів Apollo 2 від Apptronik безпосередньо на діючих автомобільних виробничих лініях у Німеччині та Угорщині. За допомогою Gemini Robotics 2.5 роботи-гуманоїди автономно виконували комплектування деталей для автомобілів: сортували окремі металеві деталі з насипних контейнерів та розміщували їх у впорядковані лотки у правильній послідовності для подальшої збірки автомобіля.

Система поєднувала дві функції ШІ: Gemini Robotics ER відповідала за просторове мислення та планування робочого процесу, та Gemini Robotics 2.5 перетворювала ці рішення на фізичні дії, керуючи руками та маніпуляторами робота.

Під час випробувань роботи досягли 96% успішності виконання завдань. Це демонструє потенціал андроїдів на базі ШІ для виконання повторюваних і фізично складних промислових операцій. Автоматизація таких процесів може допомогти підтримувати ефективність виробництва, дозволяючи при цьому технічним фахівцям зосередитися на більш складній роботі.

Gemini Robotics 2.5 також впроваджує вдосконалені механізми безпеки, які використовують логічне міркування під час виконання задачі, щоб допомогти роботам виявляти та уникати фізичних небезпек у реальному часі. Згідно з оцінками спеціалістів Google DeepMind, ці вдосконалення підвищили рівень безпечного виконання завдань на 33% поблизу перешкод та на 43% поблизу людей.

Google також займається вирішенням питань безпеки, пов’язаних з автономними роботизованими системами. Компанія представила ASIMOV-Jailbreak – тест з відкритим кодом, призначений для оцінювання здатності роботів протистояти маніпулятивним інструкціям, які можуть спонукати їх до небезпечних дій.

Бенчмарк містить сотні провокаційних промптів для різних сценаріїв. За даними Google, модель Gemini 4 Argon продемонструвала 99,5% стійкості до цих спроб, порівняно з 82% у попередньої базової моделі Gemini Robotics ER 2.

Ще одним важливим досягненням є роль моделі Gemini 4 Argon у прискоренні розробки роботизованих систем.

Традиційне навчання роботів нових фізичних навичок потребує значної кількості демонстрацій у реальному світі та великих обсягів спеціалізованих даних. Gemini 4 Argon допомагає подолати цю проблему, генеруючи сценарії-симуляції навчання на основі реальних відеозаписів з камер і створюючи цифрові двійники фізичного середовища.

Дослідники можуть використовувати ці симуляції для створення тисяч тренувальних сценаріїв, тестування різних підходів і аналізу причин невдалого виконання певних дій. Отримані результати надалі допомагають покращувати роботу роботів як у симуляціях, так і на реальному обладнанні.

Поєднання імітованого навчання з реальними демонстраціями може прискорити та підвищити ефективність розробки роботизованих систем, дозволяючи їм краще адаптуватися до незнайомих предметів і середовищ.

Генерація синтетичних даних також стає важливою складовою сучасних розробок у галузі штучного інтелекту, допомагаючи дослідникам і компаніям подолати обмеження, пов’язані з доступністю даних, та підвищувати продуктивність моделей. QuData пропонує рішення для генерації синтетичних даних, зокрема створення наборів даних, анотацію, перевірку якості, розширення даних та інтеграцію синтетичних і реальних даних для забезпечення масштабованого навчання моделей штучного інтелекту.