Роботы осваивают человеческую моторику: Google показала, на что способен новый ИИ
Роботов Google опробовали на заводе Mercedes (фото: Google DeepMind)
Google DeepMind представила Gemini Robotics 2.5 - новую ИИ-модель, которая помогает роботам выполнять сложные задачи "почти так же точно, как люди". Разработчики утверждают, что технология уже приближается к "человеческому уровню точности" и проходит испытания на реальном производстве.
Об этом сообщает РБК-Украина со ссылкой на Google DeepMind.
Прорыв в мелкой моторике и работа с деформированными объектами
Платформа DeepMind состоит из нескольких вычислительных уровней: модель Gemini Embodied Reasoning отвечает за визуальное восприятие и планирование, а Gemini Robotics (класс VLA, vision-language-action) генерирует непосредственные физические движения механизмов.
Обновление 2.5 существенно улучшило способность системы решать задачи, требующие высокой точности и ловкости рук.
В ходе тестирования модель проработала более 200 различных процессов, среди которых подача пищи кулинарными щипцами и использование химической пипетки.
Кроме того, гуманоидный робот Apollo 2 от компании Apptronik, оснащенный пятипалыми кистями, сумел самостоятельно завязать ленту в бант.
По данным лабораторных тестирований, показатель успеваемости действий Gemini Robotics 2.5 вырос от 30 до 100 процентов по сравнению с предыдущей версией, а скорость выполнения задач увеличилась на 20-30 процентов.
Читайте больше: Три года до точки невозврата: Гейтс заявил о риске потери контроля над ИИ
Тесты на заводах Mercedes-Benz и дилемма универсальности
Чтобы проверить возможности ИИ в реальных условиях, Google объединила усилия с Apptronik и концерном Mercedes-Benz.
Так, роботы Apollo 2 выполняли комплектацию автомобильных запчастей на европейских заводах компании в Германии и Венгрии. В реальной производственной среде система достигла показателя успеваемости в 96 процентов.
Впрочем, для промышленных гигантов этого пока недостаточно. Человек на подобных монотонных операциях практически не допускает ошибок, и для полной замены рабочих требуется мастерство более высокого уровня.
Представители DeepMind признают, что преодоление последних 4 процентов дефектов будет самой тяжелой частью пути.
Авторы проекта отмечают, что столкнулись с выбором: можно создать идеальную работу для одной узкой задачи, или двигаться в сторону универсальности, где достичь тотальной безошибочности на уровне 99.9 процента во всех сценариях крайне сложно.
Не пропустите: 20 тысяч Optimus еженедельно: Маск наращивает производство роботов Tesla
Обучение через цифровые двойники и безопасность людей
Существенный толчок развитию платформы дала модель Gemini 4 Argon. Поскольку физических данных для обучения роботов в сети мало, Argon помогла создать симуляционный двигатель.
Она сгенерировала тысячи вариаций тренировочных прогонов на основе реальных видеозаписей, сформировав "цифровые копии" среды и ускорив адаптацию системы к новым задачам.
Отдельное внимание было уделено безопасности людей, работающих рядом с машинными механизмами. Благодаря алгоритмам анализа помех в реальном времени, робот останавливается или ожидает, если на его пути появляется преграда.
Кроме того, DeepMind открыла доступ к стандарту безопасности ASIMOV-Jailbreak на платформе Hugging Face.
Он содержит 1500 ловушек, призванных заставить робота выполнить опасное действие, чтобы разработчики по всему миру могли тестировать устойчивость своих физических моделей.
Gemini Robotics 2.5 работает через облачные серверы и предоставляется партнерским робототехническим компаниям - Boston Dynamics, Agile Robots и Apptronik.
