Google DeepMind представили Gemini Robotics 2.5 — новую версию модели «зрение-язык-действие» (vision-language-action, VLA), которая по текстовой команде и изображению с камер может управлять руками робота.
Работу модели проверяли на 200 различных задачах и разных роботах. Показана работа модели по управлению андроидом Apollo 2 от Apptronik (пятипалый захват) и платформой Franka Duo (двухпалый захват).
В пилотном режиме, модель уже поработала на двух заводах Mercedes-Benz (Kecskemét, Венгрия и Sindelfingen, Германия), где Apollo 2 использовался для раскладки металлических кронштейнов по лоткам и успешно справлялся с задачей в 96% случаев. При этом, Gemini Robotics 2.5 выполняла только управление руками робота, а ход всей работы контролировала модель Gemini Robotics ER.
Повышена общая безопасность модели — процент безопасно выполненных задач вырос на 33% (рядом с препятствиями) и на 43% (рядом с людьми).
Выложен новый открытый бенчмарк ASIMOV-Jailbreak, в котором содержатся сотни инструкций (промптов), в которых небезопасные запросы замаскированы в рамках десятков различных сценариев. Gemini 4 Argon, успешно справилась в 99.5% случаев, против 82% у Gemini Robotics ER 2.
Ссылки
По теме
- Google представил Gemini Robotics-ER 1.5
- Gemini Robotics — модели для роботов от Google
- Helix — универсальная модель от Figure AI
- pi0 — фундаментальная модель для роботов от Physical Intelligence
- Nvidia GR00T — базовая ИИ-модель для обучения роботов
- LeRobot — открытые модели и утилиты для робототехники от Hugging Face
- Yann LeCun предсказывает десятилетие робототехники и новую парадигму ИИ
- Полина Федотова: AGI в робототехнике: прорыв с фундаментальными моделями
- Awesome-LLM-Robotics — список статей про использование больших языковых моделей в робототехнике