DeepMind испытала Gemini Robotics 2.5 на действующих линиях Mercedes-Benz
В испытаниях на автозаводах роботы Apollo 2 выполняли комплектование деталей. Они извлекали металлические кронштейны из контейнеров, куда компоненты поступают вперемешку, и размещали их в специальных лотках в порядке, необходимом для сборки конкретного автомобиля. Такая подготовка комплектов позволяет подавать детали на линию в нужной последовательности. Управление было распределено между двумя моделями: Gemini Robotics ER, предназначенная для рассуждений о физических объектах и последовательности действий, отслеживала ход работы. Модель Gemini Robotics 2.5 управляла движениями рук роботов и манипуляторов. Робот должен был находить нужную деталь, захватывать её и перемещать в соответствующую ячейку, корректируя действия при отклонениях.
«Мы создавали Apollo для полезной работы рядом с людьми на производстве. За несколько недель дообучения модели значительно улучшились, сохранив результаты на заводах Mercedes-Benz», — заявил Джефф Карденас, сооснователь и генеральный директор Apptronik.
Для испытаний использовали роботов Apollo 2 с пятипалой кистью SharpaWave, имеющей 22 степени свободы. Модель поддерживает и другие конструкции, в том числе двурукую платформу Franka Duo с двухпальцевыми захватами. Возможность переносить навыки между устройствами DeepMind проверяла отдельно от автомобильного пилота.
Модель Gemini Robotics 2.5 относится к классу VLA (vision-language-action): она обрабатывает визуальную информацию и языковые инструкции и преобразует их в команды движения. В отличие от специализированной программы, рассчитанной на заранее заданные координаты и последовательность, такая модель при выполнении операции использует информацию с камер и может учитывать изменения положения предметов. В лабораторных испытаниях DeepMind проверила модель более чем на 200 задачах. Среди них — перекладывание предметов щипцами, завязывание банта на подарочной коробке и работа с лабораторной пипеткой. По данным разработчика, успешность выполнения оказалась на 30–100% выше, чем у предыдущих базовых моделей, в зависимости от задания, а время выполнения сократилось на 20–30%.
«Мы можем добиться очень хороших результатов в отдельной задаче ценой универсальности. Или развивать универсальность, но не достигать 99,9% успешности в каждом применении», — заявила Каролина Парада, вице-президент и руководитель направления робототехники Google DeepMind.
Для обучения новой модели использовали флагманскую мультимодальную модель искусственного интеллекта Gemini 4 Argon. Она позволяет по изображениям с камер создавать цифровых двойников рабочих сцен и генерировать тысячи вариантов тренировочных ситуаций. Полученные симуляции объединяются с демонстрациями реальных движений роботов. Кроме того, Argon помогает исследователям анализировать видеозаписи неудачных попыток, искать причины ошибок и проверять изменения сначала в виртуальной среде.
Отдельные испытания были посвящены безопасности. Модель Gemini Robotics 2.5 получила механизм корректировки действий во время выполнения команды: система должна учитывать препятствия и присутствие людей поблизости. В тестах DeepMind число безопасно завершённых заданий при наличии препятствий увеличилось на 33%, а при нахождении рядом людей - на 43%
DeepMind также опубликовала ASIMOV-Jailbreak — открытый набор проверок устойчивости роботизированного ИИ к опасным инструкциям. Он включает запросы, замаскированные под обычные задания, но способные привести к небезопасным действиям в физической среде. В оценке разработчика модель Gemini 4 Argon успешно противостояла 99,5% таких попыток против 82% у предыдущей базовой системы Gemini Robotics ER 2.
