Google официально анонсировала модель искусственного интеллекта Gemini Robotics 2.5. Она относится к классу VLA («зрение — язык — действие»), помогает роботам быстрее осваивать широкий спектр навыков и делать это быстрее. Роботы становятся более ловкими, надёжными и безопасными — они получают возможность работать не только в лабораториях, но и в реальном, непредсказуемом мире, помогая человеку в выполнении самых разных задач.
Сравнительный тест камер флагманских смартфонов (2026): итоги
Гид по выбору складного смартфона в 2026 году
Обзор HONOR Pad X9b Max: универсальный большой планшет с антибликовым экраном
Компьютер месяца, спецвыпуск: выбираем мини-ПК для работы и развлечений в эпоху дефицита чипов памяти
Мастерская локальных ИИ: салат картофельный с Qwen3.8
Топ-10 смартфонов до 20 тысяч рублей (2026 год)
Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700
Выбираем лучшие игровые ноутбуки на российском рынке (вторая половина 2026 года)
Групповое тестирование 46 видеокарт в The Witcher 3: Wild Hunt — Remastered
Gemini Robotics 2.5 представляет собой значительный шаг вперёд по трём ключевым задачам. Аспект ловкости указывает, что роботы получили возможность выполнять больше задач, демонстрируя при этом более высокую эффективность и сноровку — от использования повседневных инструментов до манипуляций с хрупкими или гибкими предметами.
В ходе практических испытаний на производственных линиях Mercedes-Benz роботы Apptronik Apollo 2 под управлением модели Gemini Robotics 2.5 показали прогресс в аспекте надёжности — они выполняли задачи по подбору и упаковке автодеталей с показателем успешности 96 %. В перспективе можно будет делегировать роботам монотонную работу, а технические специалисты смогут заниматься более сложными производственными задачами. В Google также усовершенствовали механизмы контроля физической безопасности и разработали новый стандарт тестирования, направленный на выявление уязвимостей, связанных с попытками джейлбрейка (взлома) робототехнических систем.
Google существенно расширила возможности модели, увеличив количество, эффективность и сложность выполняемых задач. Её работу оценили на примере 200 различных операций, включая подачу продуктов питания на щипцах, завязывание банта на подарочной коробке или дозирование жидкости с помощью пипетки. Такие задачи объединяют целый ряд навыков от уверенного использования инструментов и сложных манипуляций с деформируемыми объектами до аккуратного обращения с хрупкими предметами. По сравнению с предыдущими моделями прирост успешности выполнения операций для новой составил 30–100 % в зависимости от типа задачи; скорость работы увеличилась на 20–30 %.
Основной критерий эффективности ИИ-модели для роботов — её способность работать в реальных производственных условиях. Apptronik Apollo 2 на предприятиях Mercedes-Benz демонстрировали возможность мыслить, выстраивать многошаговые логические цепочки и действовать сообразно изменениям обстановки. В рамках пилотного проекта роботы в автономном режиме производили комплектацию деталей — повторяющаяся и физически тяжёлая задача включала сортировку отдельных компонентов из общих контейнеров и их перекладывание в специальные лотки строго в той последовательности, которая требуется для сборки конкретного автомобиля на конвейере. Показатель успешности составил 96 %.
Для обхода физических опасностей Gemini Robotics 2.5 использует логическое управление в реальном времени — этот механизм помогает роботу безопасно перемещаться в сложных условиях. Эта функция, по оценкам Google, помогла повысить безопасное выполнение задач вблизи препятствий на 33 %, вблизи людей — на 43 %. Компания также продолжает работу над повышением безопасности при выполнении долгосрочных задач с использованием автономных агентов. Модель Gemini 4 Argon показала лучшие результаты в тестах для агентных робототехнических систем: она эффективно отказывается от небезопасных действий, успешно разрешает ситуации неопределённости и корректно функционирует при непосредственной близости человека.
Для проверки устойчивости к попыткам джейлбрейка компания выпустила открытый бенчмарк ASIMOV-Jailbreak, включающий сотни запросов, замаскированных в различных сценариях. Gemini 4 Argon показала устойчивость к таким попыткам на уровне 99,5 % — результат предыдущей базовой модели Gemini Robotics ER 2 составил 82 %. Gemini 4 Argon помогла в обучении Gemini Robotics 2.5, выступив в роли движка для симуляций.
Было интересно? Скажите об этом Google, чтобы чаще получать ссылки на наши новости про искусственный интеллект