Роботы Google теперь умеют рассуждать

Искусственный интеллект выходит за пределы цифровых экранов в физическую реальность с представлением Gemini Robotics 2. Это знаменует собой глубокий переход от специализированных машин, выполняющих впечатляющие трюки вроде сальто, к по-настоящему универсальным роботам, способным выполнять разнообразные сложные задачи. Последняя итерация от Google делает упор на рассуждение и адаптивное решение проблем, выходя за рамки роботизированных манипуляторов, выполняющих отдельные, заранее запрограммированные движения.

Gemini Robotics 2 демонстрирует способность ИИ понимать окружающую обстановку, принимать точные решения и преобразовывать их в скоординированные физические действия всего тела робота. В отличие от ранних роботов, разработанных для одной конкретной функции, эта система может адаптироваться к незнакомым ситуациям, динамически взаимодействовать с объектами и даже координировать действия нескольких роботов для достижения общих целей. Это представляет собой скачок к подлинному физическому интеллекту, справляющемуся с «хаотичной сложностью нашей человеческой среды».

Основная цель Google — разработать единую обобщенную модель робототехники. Эта модель может управлять различными корпусами роботов, от полноценной гуманоидной формы до деликатных движений захватов, таких как Duo. Конечная цель — внедрить роботов, которые получают высокоуровневые инструкции, понимают сложные цели, планируют необходимые замысловатые движения и выполняют широкий спектр реальных задач, тем самым принося существенную пользу в различных сценариях и снижая риски для человека.

В основе передовых роботов Google лежит управление всем телом (whole-body control) — сложная способность ИИ, подобная биологической центральной нервной системе. Этот интеллект координирует тысячи микрорешений по всей роботизированной форме, управляя каждым суставом и поддерживая динамическое равновесие. Люди без усилий выполняют такие задачи, как ходьба или захват предметов, но для робота это требует непрерывных сложных вычислений для каждого из, например, 22 суставов кисти, чтобы совершить простые движения.

Важным компонентом является модель Vision Language Action (VLA), которая интерпретирует команды на естественном языке в точные физические движения. Эта модель позволяет роботам понимать высокоуровневую цель, планировать необходимую последовательность действий и выполнять их с поразительной ловкостью. Она переводит устные инструкции, такие как «собери обед» или «выкрути лампочку», в каскад детальных моторных команд для всего тела.

Это знаменует собой значительный отход от традиционной робототехники, которая часто полагается на тщательно запрограммированные последовательности или простые движения типа «захват и перемещение». Старые системы с трудом справляются с изменчивостью реального мира или задачами, требующими сложной манипуляции, такими как завязывание узла или деликатное обращение с объектами. Подход Google позволяет роботам адаптироваться, рассуждать и выполнять сложные многоэтапные задачи, которые ранее были невозможны, выходя за рамки механического повторения к подлинному физическому интеллекту.

Настоящая проверка физического интеллекта робота часто заключается не в эффектной акробатике, а в задачах, которые люди считают тривиальными. Робот Gemini Robotics 2 от Google столкнулся с такими задачами, как закрытие пакета Ziploc, вкручивание лампочки и завязывание узла на мусорном пакете. Эти обманчиво простые действия долгое время ставили в тупик исследователей робототехники, требуя уровня ловкости, который ранее был недостижим.

Такие задачи сложны, поскольку требуют тонкой multi-finger coordination — одновременного управления более чем 22 отдельными суставами в одной роботизированной руке. Манипулирование гибкими объектами, такими как пластиковый пакет, требует постоянной адаптации и точного регулирования силы, что выходит далеко за рамки простой операции «захват-перемещение». Сферическая форма лампочки требует точных точек контакта для взаимодействия, включая движения на скручивание, нажатие и вытягивание.

Преодоление этих трудностей знаменует собой более глубокий скачок для роботов общего назначения, чем любой сальто назад. Это демонстрирует сложный fine motor control и надежное 3D spatial understanding, что критически важно для безопасного и эффективного взаимодействия в человеческой среде. Более подробную техническую информацию об этих достижениях можно найти в статье Introducing Gemini Robotics ER 2 - Google Blog. Эта точность открывает будущее, в котором роботы смогут выполнять широкий спектр практических задач в реальном мире.

Сотрудничество нескольких роботов знаменует собой значительный скачок, выходящий за рамки автономности одного устройства. Google продемонстрировала это на примере своего гуманоида Apollo и двурукого робота Duo, работающих вместе над уборкой гаража. Это был не один ИИ, управляющий двумя марионетками; вместо этого каждый робот использует свой собственный независимый Gemini stack, выполняя индивидуальные логические выводы.

Эти роботы координируют действия путем общения, решая, когда помогать друг другу, и даже передавая друг другу сложные подзадачи. Apollo, например, начал задачу по уборке гаража, а затем привлек Duo для точной комплектации и организации инструментов. Это создает сложный танец независимого интеллекта, где каждый блок вносит свой вклад своими уникальными возможностями.

Эта способность значительно расширяет круг задач, которые могут выполнять роботы. Одному роботу может быть трудно справиться с крупной многоэтапной задачей, но скоординированная команда может разделить обязанности и победить. Эта функция позволяет роботам решать задачи, слишком сложные для одного устройства, продвигая их в такие сферы реального применения, как:

• Организация сложных сред, таких как склады или дома
• Работа с опасными материалами в промышленных условиях
• Выполнение сложных сборочных линий, требующих множества специализированных действий

Способность роботов рассуждать независимо и сотрудничать посредством общения открывает новый рубеж для physical AI. Это означает, что роботы теперь могут подходить к решению проблем реального мира с коллективным интеллектом, необходимым для их решения, приближаясь к по-настоящему интегрированной помощи.

Что такое Google Gemini Robotics 2?

Это набор передовых моделей ИИ от Google, разработанных для того, чтобы наделить роботов сложными навыками рассуждения, ловкости и управления. Он выступает в качестве «мозга» для таких роботов, как гуманоид Apollo, позволяя им выполнять сложные многоэтапные задачи в реальном мире.

Чем эти роботы отличаются от других?

Ключевое отличие — универсальность. Вместо того чтобы быть запрограммированными на одну конкретную задачу, например, сальто назад, роботы на базе Gemini Robotics 2 могут понимать команды высокого уровня, адаптироваться к неожиданным изменениям и выполнять широкий спектр задач.

Что такое «whole-body control» для робота?

Это способность одновременно координировать каждый сустав и привод — от ступней до кончиков пальцев — для выполнения задачи при сохранении равновесия. Это критически важно для навигации в человеческой среде и является серьезной проблемой, которую решает Gemini Robotics 2.

Могут ли несколько роботов работать вместе?

Да. Ключевой особенностью является совместное рассуждение, при котором несколько роботов, каждый из которых работает на собственной модели Gemini, могут координировать действия для выполнения одной задачи. Они общаются и рассуждают независимо, чтобы распределить обязанности и достичь цели вместе.