Google представила робототехнику Gemini 2.0

Модель Gemini Robotics ER 2 (Embodied Reasoning 2, «воплощённое рассуждение», то есть ИИ, который понимает физический мир вокруг робота) стала публично доступной для разработчиков. Google DeepMind, подразделение Google, занимающееся исследованиями ИИ, называет это шагом к «физическому AGI» (AGI, искусственный общий интеллект, гипотетическая система, способная решать любые задачи на уровне человека). Иными словами, цель в том, чтобы роботу можно было просто сказать, что делать, а он справился сам.

Что умеет Gemini Robotics 2.0?

• Управление всем телом гуманоидного робота. Предыдущие версии работали с отдельными манипуляторами. Теперь модель контролирует робота целиком, включая сложные кисти рук, что критично для бытовых и промышленных задач.
• Анализ видео в реальном времени. Gemini Robotics ER 2 обрабатывает живой видеопоток с камер робота, отслеживая прогресс каждого шага задачи. По данным Google DeepMind, модель классифицирует завершённость кадра с точностью около 60%. Это далеко от идеала, но, по заявлению компании, заметно лучше предыдущей версии 1.6 и конкурирующих моделей визуального понимания.
• Совместная работа нескольких роботов. Роботы на базе Gemini 2.0 могут координировать действия между собой, а не только выполнять одиночные команды.
• Три новые подмодели. Google выпустила сразу тройку специализированных моделей; публично доступна ER 2, остальные пока закрыты.

Как ER 2 понимает мир вокруг робота?

Gemini Robotics ER 2 относится к классу VLM (Vision Language Model, «визуально-языковая модель», система, которая одновременно «видит» изображение и понимает текст). Робот получает текстовую инструкцию, камеры передают картинку, а модель решает, какой физический шаг сделать следующим.

Раньше ролики с танцующими и делающими сальто роботами набирали миллионы просмотров, но каждый такой трюк был жёстко запрограммирован. Gemini Robotics 2.0 нацелена на обратное: универсального робота-помощника, которому достаточно объяснить задачу словами.

Интеграция с Gemini Live API означает, что разработчик подключает своего робота к облаку Google и получает доступ к рассуждениям модели без необходимости запускать тяжёлые вычисления локально. Именно эта связка открыта для внешних команд.

Как попробовать?

1. Убедитесь, что у вас есть аккаунт Google Cloud с доступом к Gemini API. Если нет, зарегистрируйтесь на cloud.google.com.
2. Подключите Gemini Robotics ER 2 через Gemini Live API: документация доступна на странице Google DeepMind.
3. Настройте видеопоток с камер вашего робота так, чтобы модель получала кадры в реальном времени, и отправьте первую текстовую команду.

Есть ли аналоги в России?

Прямого российского аналога Gemini Robotics 2.0 на момент публикации нет. Применение искусственного интеллекта в робототехнике в России развивают отдельные лаборатории и стартапы, но универсальной облачной платформы для управления роботами через языковую модель пока не появилось.

Для текстовых и мультимодальных (работающих сразу с текстом, изображением и звуком) задач в РФ доступны YandexGPT и GigaChat, однако робототехнических модулей у них нет. Если вы экспериментируете с роботами, Gemini Live API на данный момент остаётся единственным публичным вариантом такого класса.

Что делать с этим прямо сейчас, по ролям

Разработчику робототехники в РФ и СНГ. Доступ к Gemini Live API открыт, а значит, можно подключить своего робота и протестировать «физический AGI» без ожидания отдельного приглашения. Главное ограничение: облако Google, проверьте работоспособность API из вашего региона.

Автору Дзена. Тема горячая: запись экрана с роботом, выполняющим команды через Gemini, даст контент, который соберёт просмотры. Даже обзор без собственного робота с разбором видео Google DeepMind привлечёт аудиторию.

Предпринимателю. Пока рано закладывать Gemini Robotics в бизнес-план: точность 60% означает, что робот ошибается почти в половине случаев. Но следить за обновлениями стоит, потому что переход от «жёстко запрограммированного» к «универсальному» роботу меняет экономику складов, доставки и сервиса.

Частые вопросы

Нужен ли собственный робот, чтобы попробовать Gemini Robotics ER 2?

Да. Модель управляет физическим устройством через камеры и моторы. Без робота можно изучить документацию и посмотреть демо-видео Google DeepMind, но полноценный тест требует аппаратуры.

Работает ли Gemini Live API из России?

Google не указала региональных ограничений для Gemini Live API в контексте робототехники. На практике доступ к облачным сервисам Google из РФ может потребовать дополнительных настроек. Проверьте работоспособность до того, как вкладываться в интеграцию.

Когда роботы на Gemini 2.0 появятся в продаже?

Google не называла сроков коммерческого выпуска роботов. Пока речь идёт только об API для разработчиков, а не о готовом продукте для потребителя. Следите за обновлениями Google DeepMind: если точность модели вырастет заметно выше 60%, разговор о коммерции станет предметным.