Gemini Robotics 2.5 от Google DeepMind сортирует металлические детали с точностью 96% в пилотном проекте Mercedes-Benz

Модель продолжает Gemini Robotics, представленную ранее в этом году для управления всем телом робота. Google DeepMind проверила новинку более чем на 200 задачах — среди них подача еды щипцами и работа с жидкостями при помощи пипетки. Gemini Robotics 2.5 рассчитана на разные платформы: помимо Apollo 2 с пятипалой кистью и 22 степенями свободы, модель поддерживает Franka Duo с параллельными двухпалыми захватами.

Работа на линиях Mercedes-Benz

Google DeepMind проводила испытания вместе с Apptronik и Mercedes-Benz на заводах в Кечкемете, Венгрия, и Зиндельфингене, Германия. Apollo 2 комплектовал наборы деталей: выбирал металлические элементы из контейнеров и раскладывал их по лоткам в порядке, необходимом для сборки конкретного автомобиля.

Работу распределили между двумя моделями. Gemini Robotics ER следила за процессом, а Gemini Robotics 2.5 управляла кистями и руками робота. По данным Google DeepMind, Apollo 2 успешно выполнил 96% задач. Генеральный директор Apptronik Джефф Карденас сообщил, что за несколько недель дообучения модели заметно улучшились, а при переходе к производству Mercedes-Benz показали минимальное снижение результатов.

Безопасность и проверка на обход ограничений

Google DeepMind заявляет, что Gemini Robotics 2.5 управляет роботом в реальном времени и помогает ему обходить физические препятствия во время работы. В собственных испытаниях компании доля безопасно завершённых задач выросла на 33% при наличии препятствий и на 43% рядом с людьми.

Компания также опубликовала на Hugging Face открытый бенчмарк ASIMOV-Jailbreak. В нём собраны сотни промтов, которые маскируют небезопасные запросы в десятках сцен. Бенчмарк проверяет, удастся ли заставить модель управления роботом выполнить опасное действие. По данным Google DeepMind, Gemini 4 Argon показала устойчивость к таким попыткам на уровне 99,5%, тогда как результат её предшественницы Gemini Robotics ER 2 составил 82%.

Симуляции для обучения роботов

При разработке Gemini Robotics 2.5 Google DeepMind использовала собственную языковую модель Gemini 4 Argon как симулятор. На основе реальной сцены с камеры Argon может создавать цифрового двойника и генерировать тысячи тренировочных запусков. Вместе с демонстрациями выполнения задач в реальном мире это должно помогать роботу быстрее приспосабливаться к новым сценам и предметам.

Argon также может анализировать видеозаписи ошибок, формулировать предположения об их причинах и проверять варианты исправлений сначала в симуляции, а затем на настоящем роботе. Google DeepMind сообщает, что Gemini Robotics 2.5 постепенно становится доступна партнёрам Agile, Apptronik и Mercedes-Benz.

По оценке Dataist, результаты на производственной линии показывают, как модели управления роботами переходят от отдельных испытаний к реальным рабочим процессам. Однако заявленные показатели исходят от Google DeepMind, а сведения о пилотном проекте не раскрывают, как робот справлялся с задачами за пределами описанного сценария сортировки.