Компания DeepMind (Google) представила новую модель искусственного интеллекта — Gemini Robotics ER 2, предназначенную для робототехники. Главное отличие от предыдущих версий — способность глубоко анализировать видеопоток, планировать последовательность действий и координировать работу нескольких роботов одновременно. Это не просто улучшение управления, а смена парадигмы: роботы начинают «понимать» происходящее на видео, а не просто следовать заранее заданным командам.
Что произошло
DeepMind анонсировала Gemini Robotics ER 2 — модель, которая объединяет три ключевых компонента: продвинутое понимание видео (video understanding), оркестрацию задач (task orchestration) и мульти-роботную коллаборацию. Модель способна обрабатывать видеоданные в реальном времени, распознавать объекты, их состояния и динамику, а затем на основе этого планировать действия. Например, робот может увидеть, что ящик застрял, и изменить траекторию движения, не дожидаясь внешней команды. Multi-robot collaboration позволяет нескольким роботам синхронизировать действия — один подает детали, другой собирает узел, третий контролирует качество.
Почему это важно
Ранее роботы полагались на жестко запрограммированные сценарии или простые сенсорные данные. Gemini Robotics ER 2 переводит их на новый уровень: видео понимание позволяет роботам адаптироваться к непредвиденным ситуациям — например, к изменению освещения, появлению новых объектов или перемещению инструментов. Оркестрация задач означает, что один робот может разбить сложную операцию на подзадачи и управлять их выполнением. А multi-robot collaboration решает фундаментальную проблему координации: теперь несколько машин могут работать как единая система, обмениваясь информацией через модель, а не через центральный сервер. Это резко повышает надежность и скорость выполнения задач в логистике, производстве и складских операциях.
«Gemini Robotics ER 2 знаменует собой переход от роботов-исполнителей к роботам-наблюдателям и организаторам. Видео становится не просто сенсором, а источником контекста для принятия решений», — отмечают в DeepMind.
Что дальше
В ближайшей перспективе Gemini Robotics ER 2 может быть интегрирована в промышленные роботизированные системы, автономные склады и логистические центры. DeepMind также планирует открыть API для исследователей и разработчиков, что ускорит появление прикладных решений. Однако остаются вызовы: обеспечение безопасности при работе нескольких роботов в одном пространстве, обработка видео с высоким разрешением в реальном времени и энергоэффективность. Тем не менее, Gemini Robotics ER 2 задает новый стандарт — роботы, которые видят, понимают и действуют вместе.