DeepMind вывела Gemini Robotics 2.5 на заводы Mercedes: 96% успеха и бенчмарк безопасности

DeepMind представила Gemini Robotics 2.5 и открытый бенчмарк безопасности. Бенчмарк, то есть общий набор тестов для сравнения систем, нужен, чтобы роботы со временем могли безопасно работать рядом с людьми. Раньше главным мерилом были лабораторные испытания. Теперь у Google DeepMind есть цифры с реальных европейских заводов, и по ним видно, сколько осталось до уровня человека.

Как робот понимает задачу и превращает её в движение?

Платформа DeepMind устроена в два слоя. Первый слой называется Gemini Embodied Reasoning. Это модель, которая понимает и картинку, и текст: она принимает вашу команду, смотрит живое видео с камер и планирует, как роботу выполнить задачу.

Второй слой называется Gemini Robotics, его и обновили до версии 2.5. Это модель класса VLA (vision-language-action, «зрение, язык, действие»), она переводит план в конкретные движения приводов, то есть моторов в суставах робота. Если упростить, первый слой работает как прораб, второй как руки.

Проверяли прежде всего ловкость. В испытаниях было более 200 задач, среди них:

• подать еду щипцами;
• набрать жидкость пипеткой, как в лаборатории;
• завязать бант пятипалыми руками человекоподобного робота Apollo 2 компании Apptronik.

Бант выбран не случайно. Лента относится к деформируемым объектам, которые меняют форму при каждом касании, и такие предметы даются роботам особенно тяжело.

Лаборатория дала до 100% прироста, завод 96% успеха

Главные результаты Google DeepMind:

• Точность. Доля успешных выполнений выросла на 30–100% по сравнению с прошлой версией.
• Скорость. Роботы стали работать на 20–30% быстрее.
• Ловкость. Apollo 2 с Gemini Robotics 2.5 научился завязывать бант. До выхода версии 2.5 этот навык не демонстрировали.
• Завод. Вместе с Apptronik и Mercedes-Benz систему проверили вне лаборатории. Роботы Apollo 2 комплектовали автозапчасти на нескольких европейских заводах и справились с задачей в 96% случаев.

Цифру 96% полезно перевести на язык конвейера: это примерно 4 ошибки на каждые 100 комплектов. Человек на такой однообразной работе ошибается практически никогда. Директор DeepMind Канишка Рао признаёт, что путь к закрытию последних 4% будет «крутым подъёмом».

Что это значит для вас?

Роботы на заводах пока не про рабочий стол автора или маркетолога. Но эта новость показывает, как читать громкие заявления об ИИ.

Автору Дзена. Тема «роботы против людей» собирает охваты, но держите её на цифрах. Формула «96% на заводе, и этого пока мало» честнее и интереснее заголовка «роботы заменили рабочих». Объясняйте читателю, что значат оставшиеся 4%, это и есть ваша экспертиза.

Маркетологу. Привыкайте отделять лабораторные результаты от полевых. Те же 30–100% прироста получены в лаборатории, а реальная проверка показала другую планку. Когда подрядчик обещает «ИИ сделает всё сам», спросите, где его тестировали и сколько процентов задач он выполняет без человека.

Предпринимателю из России и СНГ. О доступности Gemini Robotics в России источник не сообщает, а сами роботы пока проходят пилоты у крупных партнёров. Практический шаг сейчас другой: найдите в своём бизнесе повторяющиеся операции и посчитайте, какой процент ошибок для них допустим. Для текстов и аналитики уже работают доступные в РФ модели, например YandexGPT и GigaChat.

Мой прогноз: ближайшие пару лет роботы будут работать на заводах рядом с людьми, а не вместо них, и ценнее всего станет человек, который умеет закрывать те самые 4%.

По данным Google DeepMind на момент публикации