Google DeepMind выпустила Gemini Robotics 2 — новое поколение ИИ для управления человекоподобными роботами, спустя почти год после версии 1.5. Главное отличие: VLA-модельi (vision-language-action) впервые управляет не только верхней частью корпуса, но и всем телом гуманоида — от стоп до пальцев рук, позволяя роботам ходить, приседать, держать равновесие и манипулировать предметами.

Вместе с основной моделью анонсированы ещё две: Gemini Robotics ER 2 — «оркестратор»-планировщик высокого уровня, и Gemini Robotics On-Device 2 — облегчённая версия для локального инференса без подключения к облаку.

• У рук робота реализована мелкая моторика с 22 степенями свободы, но success rate на задачах с использованием нескольких пальцев составляет лишь около 30–40%
• Gemini Robotics ER 2 — отдельная VLM-модель, выполняющая ризонинг, разбиение задачи на подзадачи и распознавание объектов/координат; в отличие от VLA, на выходе выдаёт не моторные команды, а план действий
• Новая киллер-фича ER 2 — координация сразу нескольких разнотипных роботов для выполнения одной задачи, а также возможность вмешиваться в действия VLA на любом этапе выполнения (self-correction)
• Gemini Robotics On-Device 2 можно адаптировать под любое новое «тело» робота (с иными сенсорами, DoF, кинематикой) за несколько часов и примерно 200 демонстраций — за счёт обучения на гетерогенных мультиэмбодимент-данных
• Google представила первый бенчмарк безопасности роботов ASIMOV-Agentici и заявила свою модель «самой безопасной в мире» по этому тесту
• В демонстрационном видео используется робот Apollo от компании Apptronic, который выкручивает лампочки, закрывает зиплок-пакеты и завязывает мусорные мешки
• Основатель Apptronic Джефф Карденас месяц назад говорил, что автономные роботы-гуманоиды — не ближайшее будущее и для их работы пока нужны находящиеся рядом люди