Google DeepMind представила Gemini Robotics 2.5 10 ноября 2026 года. Это обновлённая модель типа «зрение — язык — действие» (VLA), которая преобразует видео в реальном времени и текстовые команды в движения робота. По словам DeepMind, новая версия лучше справляется с деликатными задачами, работает быстрее и оснащена системой управления безопасностью, которая останавливает робота при появлении препятствий. В ходе пилотного проекта с гуманоидным роботом Apollo 2 компании Apptronik система сортировала автомобильные детали на производственных линиях Mercedes-Benz в Венгрии и Германии и достигла точности 96%.
Что нового в Gemini Robotics 2.5?
Модель протестировали более чем на 200 разных задачах — от подачи еды щипцами до завязывания банта и дозирования жидкостей пипеткой. DeepMind сообщает, что по сравнению с предыдущей версией доля успешного выполнения задач выросла на 30%–100%, а в лабораторных условиях скорость увеличилась на 20%–30%. В одной из примечательных демонстраций робот Apollo 2 завязал бант своей пятипалой рукой — непростая задача, поскольку ленты легко деформируются. Безопасность повысили за счёт рассуждений во время обработки запроса: они помогают роботу обходить опасности. По измерениям компании, доля безопасно выполненных задач выросла на 33% при наличии препятствий и на 43%, когда рядом находились люди.
Открытый тест безопасности
Чтобы повысить отраслевые стандарты, DeepMind выпустила ASIMOV-Jailbreak — открытый набор из 1 500 запросов, призванных побуждать роботов к небезопасным действиям. Во внутренних тестах Gemini 2.5 показала устойчивость к таким запросам на уровне 98,8% — значительно выше, чем результат предыдущей модели Gemini ER 2, составивший 73,5%. Полный набор данных размещён на Hugging Face и доступен всем, кто работает над воплощённым ИИ.
Почему это важно
Для заводов повышение надёжности может означать, что роботам поручат повторяющуюся и физически тяжёлую работу, а технические специалисты смогут сосредоточиться на более сложных задачах. Открытый тест безопасности позволяет разработчикам измерять и улучшать способность роботов избегать опасных действий. Это необходимо, прежде чем роботы покинут контролируемые лаборатории и появятся в повседневной среде.
