Google DeepMind запускает Gemini Robotics 2.5, которая удваивает процент успешных миссий по сравнению с предыдущими тестами. Робот-гуманоид Apollo 2, оснащенный этой моделью, также достиг 96% успеха в тестах по сортировке деталей на производственных линиях Mercedes-Benz. (Предыдущее резюме: Google DeepMind выпустила Gemini Robotics 2! Расширение возможностей роботов с «интеллектом всего тела» и переход к физическому AGI) (Справочное дополнение: Google выпустила Gemini 4 Argon! Великая эволюция пространственного мышления, управление гуманоидным роботом Apollo, опубликованы цены API) Google DeepMind объявил о запуске Gemini Robotics 10 ноября 2.5, эта модель видения-языка-действия (VLA) позволяет роботу преобразовывать среду, которую он видит и инструкции, которые он получает, в реальных операциях. Это обновление направлено на расширение диапазона навыков и улучшение точности движений, надежности и безопасности на поле. Официальный пост в списках X использует, например, складывание одежды, доставку тортов и сортировку заводских деталей. От повседневной работы по дому до линий по производству автомобилей — Google DeepMind хочет продвигать вопрос о том, могут ли роботы учиться быстрее и выполнять действия более стабильно, сталкиваясь с различными объектами. При тестировании на 200 задачах самый высокий относительный показатель успеха был удвоен. Google DeepMind оценил новую модель на 200 различных задачах, включая удерживание еды щипцами, завязывание бантика на подарочной коробке и перекачивание жидкостей с помощью пипетки. Эти действия охватывают использование инструментов, манипулирование мягкими предметами и обращение с хрупкими предметами, причем тест заключается не только в захвате вещей. Результаты, объявленные компанией, показывают, что в зависимости от типа задачи показатель успешности Gemini Robotics 2.5 увеличивается от 30% до 100% по сравнению с предыдущим тестовым бенчмарком, вплоть до двух раз, а скорость выполнения задач также увеличивается на 20-30%. Доступны модели для различного роботизированного оборудования, включая робота-гуманоида Apptronik Apollo 2 с пятипальцевым манипулятором и Franka Duo с двухпальцевым параллельным захватом. Другими словами, это улучшение предназначено не только для отображения одного робота. «Аполлон-2» вошел в производственную линию Mercedes-Benz, и показатель успешности испытаний на сортировку деталей достиг 96%. Тест является более прямым, чем лабораторный эксперимент, и проводится на действующей автомобильной производственной линии Mercedes-Benz. Google DeepMind в сотрудничестве с Apptronik и Mercedes-Benz провел проверку концепции на заводах в Кечкемете (Венгрия) и Зиндельфингене (Германия), где Apollo 2 занимается подготовкой автомобильных деталей. Робот должен достать металлические кронштейны из ящика с сыпучим материалом, уложить их в расставленные контейнеры в порядке, необходимом для каждой сборки автомобиля, и исправить возникшие в процессе дефекты. В ходе испытаний по сортировке и укладке деталей на поддоны показатель успеха составил 96%. Среди них воплощенная модель рассуждения Gemini Robotics ER отвечает за отслеживание рабочего процесса, а модель действий Gemini Robotics 2.5 управляет руками и руками. Такое разделение труда связывает многоэтапное принятие решений с реальными операциями, позволяя роботам выполнять повторную подготовку материала, в то время как технические специалисты могут оставить время для более сложных сборочных работ. Argon использует симуляцию для ускорения обучения, а вместе с движениями улучшается и безопасность движений. Еще одним ключом к этому обновлению является участие Gemini 4 Argon в исследованиях роботов. Он может создавать цифровые аватары на основе сцен, снятых реальными камерами, генерировать тысячи различных имитационных упражнений и комбинировать их с демонстрациями реальных операций, чтобы помочь модели адаптироваться к новым сценам и объектам. Argon также может анализировать видео неудачных операций, чтобы помочь исследователям выявить причины неудач и гипотезы по улучшению, а затем протестировать их в смоделированных средах и на реальных роботах. Таким образом, обучение не должно полагаться исключительно на физические машины, которые каждый раз повторяют пробы и ошибки, но при этом сохраняет реальные демонстрации и проверку на месте. Что касается безопасности, Gemini Robotics 2.5 добавляет аргументированные рекомендации при выполнении действий, позволяющих избежать физической опасности. Команда также запустила тестовый тест с открытым исходным кодом ASIMOV-Jailbreak, который использует небезопасные требования, замаскированные под общие задачи, для проверки устойчивости агентов, связанных с роботами, к взлому. Gemini Robotics 2.5 становится доступной для партнеров по робототехнике. От повторной практики в моделируемой среде до последовательного выбора и размещения деталей на производственной линии — это обновление связывает скорость обучения с операциями на месте, переходя к практическому использованию, которое снижает нагрузку на повторную подготовку материалов и повышает стабильность работы. Истории по теме Google демонстрирует 5 реализаций Gemini 4 Argon! Создайте 3D-игру с помощью всего лишь одного совета и превзойдите GPT-6 Astra. Дин Тай Фунг в США начал внедрять роботов. Самый прибыльный китайский ресторан в США приветствует уставших сотрудников на заднем дворе. Видение индустрии роботов: интеграция и эволюция автоматизации, искусственного интеллекта и Web3. В продажу поступил первый в мире робот-уборщик «Нео». Он может подметать пол и готовить кофе, но нужна ли ему удаленная помощь человека? 〈Google выпускает Gemini Robotics 2.5! Внедрение робота-гуманоида Apollo 2 на производственную линию Mercedes-Benz «Успех сортировки составляет 96%». Эта статья была впервые опубликована в BlockTempo «Dongqu Trend — самое влиятельное новостное СМИ о блокчейне».