Компания Google, а точнее её подразделение DeepMind, представило Gemini Robotics 2 — семейство моделей искусственного интеллекта, способных полностью управлять человекоподобным роботом. Более того, новые ИИ-модели умеют координировать работу нескольких роботов одновременно, а также адаптируются к новому типу роботизированного тела всего за несколько часов. Это может стать реальным шагом в направлении того, что в индустрии называют «физическим искусственным интеллектом». Ключевая идея заключается в том, что те же ИИ-модели, которые сегодня массово используются для поиска информации и создания контента, постепенно учатся взаимодействовать с реальным миром.
Особенность Gemini Robotics 2 — в расширении возможностей управления. Если предыдущее поколение моделей DeepMind в основном отвечало за движения верхней части тела и выполнение задач на столе, то новые версии способны управлять всем роботом целиком. Они могут заставить робота ходить, приседать, сохранять равновесие, выполнять манипуляции с различными предметами в естественных условиях и даже несколько действий одновременно. Например, в одном видео робот Apptronik Apollo 2 получил команду поместить лейку в зелёный контейнер на нижней полке. Он подошёл к столу, взял лейку, затем подошёл к стеллажу, наклонился и аккуратно поставил предмет в указанное место. На первый взгляд эта задача кажется элементарной, но она требует координации всего тела и синхронизации его частей, что пока остаётся сложной инженерной проблемой. Тем не менее улучшились навыки мелкой моторики. ИИ-модели способны управлять пятифаланговой рукой Apollo с 22 суставами, позволяя роботу завязывать узлы или закрывать пакет с застёжкой.
Семейство Gemini Robotics 2 включает три отдельные модели. Собственно Gemini Robotics 2 преобразует визуальную информацию и голосовые команды в конкретные действия робота. Она отвечает за непосредственное выполнение физических задач. Gemini Robotics ER 2 выполняет роль высокоуровневого «мозга» робота и помогает планировать сложные многоэтапные действия. Она также позволяет нескольким роботам работать вместе. Наконец, Gemini Robotics On-Device 2 работает локально на роботизированном устройстве. Её можно адаптировать под совершенно новый тип робота всего за несколько часов обучения. Это очень важно, поскольку перенос навыков с одного робота на другого всегда оставался одной из главных проблем робототехники.
Несмотря на значительный прогресс, у технологии наблюдается ряд ограничений. Согласно внутренним тестам, более сложные задачи выполняются значительно хуже простых. Кроме того, роботы действуют очень медленно и часто делают паузы, чтобы продумать следующий шаг. Они также менее эффективно обучаются по сравнению с людьми и не спешат исправляться после ошибок.
По мере того как роботы получают возможность передвигаться рядом с людьми, вопросы безопасности становятся всё более важными. DeepMind заявляет, что Gemini Robotics ER 2 является самой безопасной моделью компании на сегодняшний день. Она лучше распознаёт ситуации, когда рядом находится человек, и способна остановить выполнение действия, пока пространство не станет безопасным. Робот возобновляет работу только тогда, когда рядом нет людей.
Google сотрудничает с западными компаниями, включая Apptronik, Boston Dynamics и Agile Robots, а также предоставляет доступ более чем 100 доверенным тестировщикам. Тем временем конкуренты Google — OpenAI и NVIDIA — тоже работают над ИИ-моделями для робототехники. Всё сводится к тому, чтобы создать универсальный ИИ, который сможет работать с любым роботизированным устройством.
