Poprzednie modele DeepMind sterowały głównie górną częścią humanoida. Ogłoszona 30 lipca rodzina modeli rozszerza sterowanie na ruch całego ciała. Gemini Robotics 2 dostaje obraz z kamer i polecenie po ludzku, a zamienia je na ruch całej sylwetki, razem z nogami. Firma dołożyła przy tym coś rzadszego niż pokaz możliwości: listę rzeczy, które nadal nie wychodzą.
Trzy modele, nie jeden
W relacjach z tej premiery łatwo o skrót myślowy, że DeepMind wypuścił jeden model do robotów. Ogłoszenie obejmuje trzy i każdy odpowiada za coś innego.
Pierwszy z nich, Gemini Robotics 2, przekłada obraz i język na sterowanie ruchem. To on odpowiada za kontrolę całego ciała oraz za ruchy dłoni i chwytaków. Drugi, Gemini Robotics ER 2, zajmuje się rozumowaniem. Planuje zadania wieloetapowe rozłożone na minuty, rozmawia z człowiekiem i, co nowe, pozwala kilku robotom pracować razem. Trzeci, Gemini Robotics On-Device 2, działa lokalnie na samym robocie, bez połączenia z chmurą. Według DeepMind dostosowuje się do nowego korpusu w kilka godzin.
Co właściwie znaczy sterowanie całym ciałem
Różnica brzmi technicznie, ale sprowadza się do czegoś, co widać gołym okiem.
Robot humanoidalny sięgający po przedmiot z wysokiej półki musi przenieść ciężar ciała, ustawić nogi i utrzymać równowagę. Dopiero potem następuje sam chwyt. Gemini Robotics 2 obejmuje jednym modelem ruch całej sylwetki.
Testy prowadzono na konkretnym sprzęcie i to też warto wiedzieć, zanim ktoś przeniesie wnioski dalej. DeepMind wymienia humanoida Apollo 2 od Apptronika oraz układ Franka Duo z chwytakiem Robotiq. Wśród partnerów wspomina również Boston Dynamics i Agile Robots. Pokaz na wybranej platformie nie dowodzi jeszcze, że tak samo zachowa się dowolny robot humanoidalny.
Pierwsza Misja AI · Kodożercy
AI zmienia rynek pracy. Zacznij rozumieć o co chodzi.
Kurs Pierwsza Misja AI to najkrótszy kurs, po którym naprawdę rozumiesz AI, a certyfikatem możesz to pokazać. Sci-fi fabuła i gamifikacja sprawiają, że nie nudzisz się ani minuty.
Dołącz do kursantów →
Czego DeepMind sam nie obiecuje
Najciekawsza część materiału to ta, w której firma pisze o granicach własnego rozwiązania.
DeepMind przyznaje wprost, że manipulacja wielopalczasta pozostaje trudna. Drugie zastrzeżenie dotyczy prędkości. Tempo ruchu wymaga dopracowania.
Warto to zestawić z tym, jak taka zapowiedź wygląda w nagłówkach. Materiał zawiera wykresy skuteczności dla poszczególnych zadań, ale wyniki podane są graficznie. Serwisy, które wyciągnęły z nich konkretne liczby, podają wartości wzajemnie sprzeczne. Dlatego nie ma tu ani jednego procentu, choć w kilku relacjach trafi się efektowna liczba przy wykręcaniu żarówki.
Kto to dostanie i kiedy
Na koniec rzecz, która najbardziej porządkuje ekscytację.
Żaden z tych modeli nie jest produktem, który da się kupić. Gemini Robotics ER 2 trafia do Google AI Studio oraz na firmową platformę agentową w prywatnej wersji zapoznawczej. Model sterujący ruchem i wersja działająca lokalnie idą do partnerów we wczesnym dostępie, przez zgłoszenie. Dla kogoś, kto ma robota i chce go sterować takim modelem, oznacza to na razie wniosek, a nie zakup.
To już nasze odczytanie, nie ustalenie DeepMind. Najciekawsze jest tu przesunięcie w stronę modeli działających lokalnie na sprzęcie. W zastosowaniach wymagających szybkiej reakcji opóźnienie łącza może być problemem fizycznym, a nie kwestią wygody. Ten sam kierunek widać w innych obszarach, w których modele schodzą bliżej urządzenia. Pisaliśmy o tym przy agentowych narzędziach analizujących kod Chrome, pracujących pod ścisłym reżimem izolacji. Podobnie jak przy fałszywych serwerach MCP, rośnie znaczenie tego, kto i na jakich uprawnieniach uruchamia model po stronie sprzętu.
Podsumowanie
Google DeepMind ogłosiło 30 lipca trzy modele. Pierwszy zamienia obraz i polecenia na sterowanie ruchem całego ciała humanoida. Drugi, opisany jako ER 2, planuje zadania wieloetapowe i pozwala kilku robotom pracować razem. Trzeci działa lokalnie na sprzęcie i dostosowuje się do nowego korpusu w kilka godzin. Nowością wobec poprzedniej wersji jest objęcie jednym modelem nóg, równowagi i manipulacji zamiast samej górnej części ciała. Testy prowadzono na sprzęcie partnerów, między innymi na humanoidzie Apollo 2 od Apptronika. Firma sama zaznacza, że manipulacja wielopalczasta pozostaje trudna, a prędkość ruchu wymaga dopracowania. Dostępność jest na razie ograniczona do prywatnej wersji zapoznawczej i wczesnego dostępu dla partnerów, więc to pokaz kierunku, a nie produkt na półce.
Newsletter · DevstockAcademy & Kodożercy
Bądź na bieżąco ze światem IT, AI i automatyzacji
Co wtorek: newsy z branży, praktyczne tipy i narzędzia które warto znać. Zero spamu.
