Роботи с Gemini достигат 96% успеваемост при работа в заводи

Google DeepMind представи Gemini Robotics 2.5 – нова версия на платформата си с изкуствен интелект за роботи. Според компанията моделът се справя по-добре с дейности, изискващи сръчност, а тестовете в производствена среда показват напредък и извън лабораторията. DeepMind обяви и отворена база с тестове за оценка на безопасността на физически AI системи.

Платформата съчетава два основни компонента. Gemini Embodied Reasoning интерпретира инструкции и видеопоток, за да планира изпълнението на задачата. Gemini Robotics, или моделът „зрение–език–действие“, превръща плана в конкретни движения на робота.

DeepMind е оценил Gemini Robotics 2.5 в над 200 дейности, сред които сервиране с щипки и работа с пипета. Компанията показва и как хуманоидният робот Apollo на Apptronik използва петпръстите си ръце, за да завърже панделка – манипулация, която е трудна за роботите, защото материалът се деформира.

Според резултатите на Google новият модел постига с 30 до 100% по-висока успеваемост спрямо предходната версия при отделни задачи и работи с 20 до 30% по-бързо. Това са лабораторни резултати. При съвместни тестове с Apptronik и Mercedes-Benz роботи Apollo са изпълнявали задачи по комплектоване на автомобилни части в европейски заводи с 96% успеваемост. DeepMind отбелязва, че преодоляването на оставащата разлика до почти безгрешна работа ще бъде трудно.

Екипът използва и симулационната система Gemini 4 Argon, за да създава хиляди варианти на упражнения по реални кадри от камери. Според компанията тези дигитални двойници помагат на модела да се приспособява към нови задачи и условия, като синтетичните данни се комбинират с реални демонстрации. Argon може също да анализира неуспешни опити и да предлага подобрения.

Въпреки напредъка системата има ограничения. Gemini Robotics 2.5 работи през облачни сървъри, което може да води до забавяне, а демонстрационното видео е ускорено два пъти. DeepMind казва, че моделът използва допълнително разсъждение, за да спира или изчаква при препятствия. При наличие на пречки това повишило безопасното изпълнение на задачите с 33%, а когато в пътя има хора – с 43%.

За проверка на рисковото поведение DeepMind публикува ASIMOV-Jailbreak – отворен набор от 1500 подканвания, предназначени да подведат роботизиран AI към опасни действия. В пример от компанията роботът е помолен да постави предмети в торба и да я затвори със сложен за него механизъм. Безопасният отговор е да откаже, вместо да продължи с неправилно изпълнение.

По данни на DeepMind използването на Argon в процеса води до резултат от 98,8% по показателя за устойчивост на подобни опити. Gemini Robotics ER 2 самостоятелно постига 73,5% в теста на Google. Наборът ASIMOV е публикуван в Hugging Face. Gemini Robotics 2.5 засега не е общодостъпен, но се предоставя на партньори на Google, сред които Agile Robots, Apptronik и Boston Dynamics.