Google Deepmind представила два новых ИИ-модуля: Gemini Robotics 1.5 и Gemini Robotics-ER 1.5. Оба решения позволяют роботам самостоятельно строить планы, анализировать, понимать инструкции и выполнять сложные задачи. Модели сочетают многомодальное восприятие, обработку языка, моторное управление и внутреннюю систему принятия решений.
Gemini Robotics-ER 1.5 выступает как “мозг” для роботов. Он отвечает за план задач, использует цифровые инструменты, включая Google Search, общается на естественном языке, отслеживает ход и фиксирует успехи. По данным Google Deepmind, модель показала лучшие результаты по 15 контрольным тестам, среди которых Point-Bench, ERQA и MindCube.
Gemini Robotics 1.5 переводит планы в физические действия. В отличие от прежних решений, модель сначала планирует действия, выстраивает логические цепочки, разбивает задачи на этапы и объясняет свои решения. Например, при сортировке белья она ставит цель (“светлое белье в белый ящик”), планирует захват и выполняет движение.
Обе модели универсальны и совместимы с разными типами роботов. В Google отмечают: паттерны движений, освоенные с помощью робота ALOHA 2, работают и на других платформах, таких как Apptronik Apollo или двухрукий робот Franka, без дополнительной донастройки.
В моделях реализованы встроенные механизмы безопасности. Gemini Robotics 1.5 перед запуском действия проверяет его безопасность и при необходимости включает функции вроде предотвращения столкновений.
Оба решения основаны на широкой серии моделей Gemini и специально адаптированы для применения в робототехнике. Gemini Robotics-ER 1.5 уже доступен через Gemini API в Google AI Studio. Gemini Robotics 1.5 пока предоставляется только партнерам. Технические детали опубликованы в блоге Deepmind.
Серия Gemini Robotics впервые была представлена Google в марте 2025 года, чтобы обеспечить роботам многомодальное восприятие. В июне вышла версия Gemini Robotics On-Device — оптимизированная для автономной работы на роботах и высокой точности.
Новые модели дают роботам лучшее планирование, расширенный набор инструментов и позволяют работать как самостоятельные системы — как это реализовано у агентных ИИ на компьютерах.
