DeepMind Gemini Robotics 2.5 научился крутить ручку и собирать кубик Рубика

Google DeepMind представила модель Gemini Robotics 2.5, которая, по заявлению разработчиков, является самой способной vision-language-action моделью (системой, объединяющей зрение, понимание текста и управление движениями). Новая версия позволяет роботам выполнять сложные манипуляции с ловкостью, близкой к человеческой. В демонстрационных тестах робот под управлением модели собирает кубик Рубика за 12 секунд, открывает замки, завязывает шнурки и вращает ручку — причём без специального переобучения под каждое из этих действий.

Ключевое отличие Gemini Robotics 2.5 от предшественников — способность к обобщённой моторике. Модель обучается на разнообразных данных и может адаптироваться к новым задачам и объектам без доработки алгоритмов. Это позволяет роботам работать с инструментами и хрупкими предметами, не повреждая их, что является важным шагом на пути к внедрению роботов в реальные, непредсказуемые условия. Разработчики подчёркивают, что модель также улучшает показатели надёжности и безопасности при выполнении операций.

Для бизнеса и разработчиков ИИ это означает, что порог внедрения роботизированных решений снижается. Если раньше для каждой новой задачи требовалось собирать датасет и переобучать модель, то теперь один алгоритм способен справляться с десятками различных сценариев. Это сокращает время на интеграцию и делает роботов более гибкими для использования на складах, в производстве, логистике или в бытовых сервисах, где требуется точная работа с мелкими объектами.