Google DeepMind заявляет, что новая модель ИИ для роботов успешнее предшественницы на 30–100% и сумела завязать бант, но собственный заводской пилот оставляет разрыв в 4% неудач.

Google DeepMind во вторник представила Gemini Robotics 2.5, которую называет своей самой мощной на сегодня моделью «зрение — язык — действие». Компания сообщает, что оценила систему более чем на 200 разных задачах, включая раскладывание еды щипцами, работу с жидкостью при помощи пипетки и завязывание банта на подарочной коробке, и заявляет о показателе успеха на 30–100% выше прежних базовых моделей в зависимости от задачи, при выполнении задач на 20–30% быстрее. Модель работает с несколькими типами роботов, включая гуманоида Apollo 2 от Apptronik и платформу Franka Duo. Она не доступна широкой публике и поставляется партнёрам в области робототехники, которых Ars Technica называет: Agile Robots, Apptronik и Boston Dynamics.

Чтобы проверить модель за пределами лаборатории, DeepMind совместно с Apptronik и Mercedes-Benz задействовала гуманоидов Apollo 2 на действующих автомобильных конвейерах в Кечкемете (Венгрия) и Зиндельфингене (Германия). В испытании, которое DeepMind называет подтверждением концепции, роботы выполняли комплектацию: сортировали металлические кронштейны из навальных ёмкостей по контейнерам в порядке, нужном для каждого автомобиля, и достигли 96% успеха. Ars Technica отмечает, что для повторяющейся работы производителя этого, вероятно, всё ещё недостаточно, и цитирует директора DeepMind Канишку Рао, по словам которого закрыть оставшиеся 4% будет крутой дорогой. Кроме того, модель по-прежнему работает на облачных серверах, поэтому выигрыш в точности и скорости сопровождается некоторой задержкой.

DeepMind также сообщила результаты по безопасности и новый тест. По её словам, управление на основе рассуждений во время вывода позволяет роботу обходить опасности, повысив безопасное завершение задач на 33% возле препятствий и на 43% рядом с людьми. Компания публикует ASIMOV-Jailbreak — открытый бенчмарк из запросов, маскирующих небезопасные просьбы, в надежде дать отрасли общий способ тестирования физического ИИ. DeepMind добавляет, что её модель Gemini 4 Argon ускорила разработку, создавая симулированные тренировочные прогоны и цифровые двойники по реальным сценам с камер. Все показатели производительности взяты из собственных оценок DeepMind; о независимых испытаниях не сообщалось.