Gemini 2 steruje całym ciałem robota. Nie tylko rękami

Robot humanoidalny dostaje polecenie głosem, podchodzi do stołu, podnosi konewkę i przenosi ją na regał, po czym schyla się, żeby umieścić ją w wyznaczonym miejscu. Cała sekwencja - od pierwszego kroku po ostatni ruch palców - kontrolowana przez jeden system AI.

Google DeepMind właśnie pokazało Gemini Robotics 2, rodzinę modeli AI zaprojektowanych do sterowania robotami humanoidalnymi. Testowym królikiem jest Apollo 2 od Apptronik - maszyna, która teraz potrafi wykonywać złożone zadania wymagające koordynacji całego ciała.

Jak Gemini Robotics 2 różni się od poprzednich systemów?

Większość systemów AI dla robotów koncentruje się na jednej części ciała. Manipulator steruje ręką, system lokomocji - nogami, a balans to osobny moduł. Gemini Robotics 2 łączy to w jeden model.

To system visio-language-action - łączy obraz z kamery robota, polecenie głosowe i przekłada to na skoordynowane ruchy. Robot nie tylko podnosi przedmiot ręką. Jednocześnie utrzymuje równowagę, chodzi, schyla się i precyzyjnie umieszcza obiekt w docelowym miejscu.

W praktyce: dostajesz polecenie "przenieś konewkę na dolną półkę". Robot musi podejść (nogi), utrzymać stabilność podczas chodzenia (tułów), podnieść konewkę (ręce), przenieść ją nie przewracając się (całe ciało), schylić się (biodra i kolana) i precyzyjnie umieścić (palce). Gemini Robotics 2 koordynuje wszystkie te elementy w jednej sekwencji.

Trzy modele, trzy funkcje

Google DeepMind nie wypuściło jednego modelu - pokazało rodzinę trzech systemów o różnych zadaniach.

Gemini Robotics 2 to podstawowy model visio-language-action. Odpowiada za bezpośrednie sterowanie ciałem robota - tłumaczy polecenie i obraz na konkretne ruchy motoryczne.

Gemini Robotics-ER 2 zajmuje się planowaniem długoterminowym. Rozdziela myślenie wysokiego poziomu od wykonania - organizuje sekwencje zadań trwających kilka minut, dzieli je na mniejsze kroki i aktualizuje plan w locie na podstawie tego, co robot widzi.

Trzeci model (Google nie podało nazwy) odpowiada za precyzyjne manipulacje. Steruje palcami i nadgarstkiem podczas zadań wymagających dokładności.

Dlaczego to zmienia podejście do robotyki humanoidalnej?

Roboty humanoidalne istnieją od lat. Boston Dynamics pokazuje Atlas od dekady, Tesla buduje Optimusa, Figure AI testuje swoje maszyny w fabrykach BMW. Większość z nich używa oddzielnych systemów do różnych części ciała.

Gemini Robotics 2 to podejście end-to-end - jeden model AI steruje wszystkim. Nie musisz ręcznie programować przejść między trybem chodzenia a trybem manipulacji. System sam decyduje, jak rozłożyć ciężar, kiedy wykonać krok, jak skoordynować ruch ręki z pozycją nóg.

Dla firm takich jak Figure AI czy Unitree, które budują roboty do pracy w magazynach i fabrykach, to konkretna zmiana. Zamiast trenować osobne modele do chodzenia, podnoszenia i umieszczania - dostajesz jeden system, który robi to wszystko.

Apptronik jako partner testowy

Google nie buduje własnych robotów humanoidalnych. Zamiast tego współpracuje z Apptronik, firmą z Teksasu, która produkuje Apollo 2 - robota zaprojektowanego do pracy w magazynach i centrach logistycznych.

Apollo 2 ma około 170 cm wzrostu, waży ok. 73 kg i może dźwigać do 25 kg. To nie eksperymentalny prototyp z laboratorium - Apptronik sprzedaje te maszyny firmom logistycznym. Gemini Robotics 2 testowane jest właśnie na takim sprzęcie produkcyjnym.

To podobne podejście do tego, jak Alibaba testowała Qwen-Robot na różnych platformach sprzętowych. Zamiast zamykać technologię w jednym robocie, Google chce stworzyć system, który zadziała na wielu modelach.

Dlaczego koordynacja całego ciała jest trudna?

Ludzki mózg robi to automatycznie. Kiedy schylasz się po klucze, nie myślisz świadomie "teraz zegnij kolana o 45 stopni, przesuń ciężar na przód, wyciągnij rękę". Po prostu to robisz.

Robot musi to wszystko wyliczyć. Każdy ruch nogi wpływa na równowagę. Każde przesunięcie ręki zmienia środek ciężkości. Jeśli robot schyla się za szybko, przewraca się. Jeśli nie skoordynuje ruchu nóg z ruchem tułowia, traci stabilność.

Tradycyjne podejście: programujesz osobne kontrolery. Jeden dla nóg (lokomocja), drugi dla bioder (balans), trzeci dla rąk (manipulacja). Potem musisz je ze sobą zsynchronizować - co jest koszmarem inżynieryjnym.

Gemini Robotics 2 uczy się tego z danych. Zamiast ręcznie programować każdą sekwencję ruchów, model obserwuje demonstracje (prawdopodobnie z symulacji i rzeczywistych robotów) i uczy się, jak koordynować całe ciało podczas różnych zadań.

To podobne do tego, jak Mistral AI trenował swój model robotyczny - pokazujesz AI wystarczająco dużo przykładów, a ono wyłapuje wzorce, które są trudne do zakodowania ręcznie.

Czy to już działa w prawdziwym świecie?

Google pokazało demo z Apollo 2 przenoszącym konewkę. To kontrolowane środowisko - robot zna układ pomieszczenia, wie gdzie jest regał, obiekt jest prosty do uchwycenia.

Źródło nie podaje, ile prób zajęło nagranie udanego demo. Nie wiemy, jak często robot się myli, jak radzi sobie z nieoczekiwanymi przeszkodami, czy działa w różnych warunkach oświetlenia.

To normalne na tym etapie rozwoju. Chińskie firmy robotyczne też pokazują efektowne demo, ale wdrożenia w fabrykach to zupełnie inna historia. Kontrolowane laboratorium to jedno, prawdziwy magazyn z ludźmi, zmiennym oświetleniem i nieprzewidywalnymi sytuacjami to drugie.

Google DeepMind ma jednak przewagę - dostęp do ogromnych zasobów obliczeniowych i danych treningowych. Jeśli ktoś ma szansę przeskoczyć z demo do produkcji, to właśnie oni.

Co dalej z Gemini Robotics 2?

Źródło nie podaje dat komercyjnego wdrożenia ani planów udostępnienia modelu innym producentom robotów. Google DeepMind skupia się teraz na testach z Apptronik.

Prawdopodobny scenariusz: kolejne miesiące to iteracje, zbieranie danych z rzeczywistych robotów, poprawianie modelu. Potem może pojawić się API dla innych firm - podobnie jak Google udostępnia Gemini przez Cloud.

Dla branży robotycznej to sygnał, że AI dla humanoidów przestaje być zlepkiem osobnych systemów. Koordynacja całego ciała w jednym modelu to kierunek, w którym idą giganci technologiczni.

Najczęstsze pytania

Czy Gemini Robotics 2 jest dostępny publicznie?

Nie, Google DeepMind testuje system w partnerstwie z Apptronik. Nie podano daty publicznego udostępnienia ani API dla innych producentów robotów.

Jaki robot używa Gemini Robotics 2?

Obecnie system testowany jest na robocie Apollo 2 od Apptronik - humanoidzie zaprojektowanym do pracy w magazynach i centrach logistycznych.

Czym różni się Gemini Robotics 2 od innych systemów AI dla robotów?

Większość systemów steruje tylko częścią ciała robota - rękami lub nogami. Gemini Robotics 2 koordynuje całe ciało jednocześnie, łącząc lokomocję, balans i manipulację w jednej sekwencji ruchów.

Czy roboty z Gemini Robotics 2 pracują już w fabrykach?

Nie, Google pokazało kontrolowane demo. Źródło nie podaje informacji o wdrożeniach produkcyjnych ani testach w rzeczywistych magazynach z nieprzewidywalnymi warunkami.