Модель для разных роботов и задач

Google DeepMind представила Gemini Robotics 2.5 — свою наиболее способную на сегодняшний день модель типа vision-language-action (VLA), которая воспринимает изображение и управляет действиями робота. Компания проверила её более чем на 200 задачах, включая подачу еды щипцами, завязывание банта и работу с пипеткой.

По оценке Google DeepMind, в зависимости от типа задачи Gemini Robotics 2.5 повышает долю успешных выполнений на 30–100% по сравнению с прежними базовыми моделями и позволяет выполнять задачи на 20–30% быстрее. Модель рассчитана на разные платформы, в том числе гуманоидного робота Apollo 2 и Franka Duo.

Испытание на автомобильном производстве

В совместном с Apptronik и Mercedes-Benz испытании Apollo 2 выполнял комплектование деталей на действующих производственных линиях в Кечкемете, Венгрия, и Зиндельфингене, Германия. Робот сортировал металлические автомобильные кронштейны из контейнеров и раскладывал их по лоткам в последовательности, нужной для сборки конкретного автомобиля.

В этом доказательстве концепции, как его описывает Google DeepMind, робот достиг успешности 96%. Для отслеживания этапов работы использовалась модель Gemini Robotics ER, а Gemini Robotics 2.5 управляла руками и движениями робота. Компания отмечает, что задача была призвана освободить техников от повторяющейся подготовительной работы.

Меры безопасности и обучение в симуляции

Google DeepMind также сообщила об улучшении управления роботом при появлении физических препятствий. По результатам её оценок, подсказки модели во время выполнения задачи повысили долю безопасных завершений на 33% при наличии препятствий и на 43% рядом с людьми.

Для проверки устойчивости к вредоносным запросам компания выпустила открытый набор тестов ASIMOV-Jailbreak. Отдельно Google DeepMind приводит результат Gemini 4 Argon — 99,5% устойчивости к таким попыткам против 82% у прежней базовой модели Gemini Robotics ER 2; этот показатель относится к Argon, а не к Gemini Robotics 2.5.

По словам компании, Gemini 4 Argon помогала ускорять разработку Gemini Robotics 2.5: модель генерировала тренировочные сценарии в симуляции и помогала исследователям анализировать ошибки по видеозаписям. Gemini Robotics 2.5 постепенно становится доступна партнёрам Google DeepMind.