Gemini Robotics ER 2: ИИ учит роботов понимать видео и работать в команде

Исследовательское подразделение Google DeepMind представило новое поколение своей робототехнической платформы — Gemini Robotics ER 2. Эта модель знаменует собой качественный скачок в способности роботов не просто выполнять отдельные команды, а понимать видеопотоки, планировать последовательности действий и эффективно работать в группе с другими роботами.

Что произошло

Gemini Robotics ER 2 (Embodied Reasoning 2) — это вторая версия фундаментальной модели, предназначенной для воплощенного ИИ. Ключевое нововведение — глубокая интеграция видеопонимания. В отличие от предшественников, которые в основном полагались на статические изображения или текстовые инструкции, ER 2 способна анализировать длинные видеопоследовательности. Это позволяет ей отслеживать динамику объектов, предсказывать их траектории и понимать контекст сцены в реальном времени.

Кроме того, модель демонстрирует продвинутую оркестрацию задач. Она может разбить сложную цель (например, «накрыть на стол») на последовательность подзадач, назначать их разным роботам и следить за выполнением. В демонстрациях DeepMind показала, как два робота-манипулятора совместно собирают конструктор или перекладывают хрупкие предметы, синхронизируя свои действия на основе общего видеопотока.

Почему это важно

До сих пор одной из главных проблем робототехники была «узость» восприятия. Роботы могли хорошо работать в контролируемой среде, но терялись в динамичных условиях. Gemini Robotics ER 2 решает эту проблему за счет сквозного обучения на видео. Модель учится не просто распознавать объекты, но и понимать их физику и отношения между ними. Например, робот видит, что стакан стоит на краю стола, и понимает: его нужно передвинуть, прежде чем наливать воду.

Возможность много-роботной коллаборации открывает путь к автоматизации более сложных производственных и логистических процессов. Вместо одного робота, делающего одну операцию, теперь может работать целая группа, распределяя задачи в реальном времени. Это снижает затраты на программирование и делает системы более гибкими.

Что дальше

Пока Gemini Robotics ER 2 находится на стадии исследовательского прототипа. DeepMind не объявляла точных сроков коммерческого внедрения, но очевидно, что технология ляжет в основу будущих продуктов Google в области складской робототехники и умных помощников. Основные вызовы — это безопасность (как гарантировать, что роботы не ошибаются при совместной работе) и масштабирование модели на тысячи различных сценариев.

В ближайшие годы мы, вероятно, увидим, как подобные системы начнут применяться на сортировочных центрах, в медицинских лабораториях и на сборочных линиях. Gemini Robotics ER 2 задает новый стандарт для того, как ИИ-модели могут воплощаться в физическом мире, превращая роботов из слепых исполнителей в наблюдательных и координированных партнеров.