Humanoidi s Gemini Robotics 2.5 třídili díly v továrnách Mercedesu. Úspěšnost 96 % zní dobře, výroba ale potřebuje víc

Google DeepMind 10. listopadu představil Gemini Robotics 2.5, který označuje za svůj zatím nejschopnější model typu vision-language-action (VLA). Takový model propojuje to, co robot vidí a jaký dostal pokyn, s pohyby jeho rukou. Nejzajímavější je test mimo laboratoř: humanoidní roboti Apollo 2 od firmy Apptronik s ním třídili autodíly přímo na výrobních linkách Mercedes-Benz.

Továrna místo laboratoře

Pilot probíhal v závodech Mercedes-Benz v maďarském Kecskemétu a německém Sindelfingenu. Podle Unite.AI roboti brali kovové držáky ze zásobníků, ukládali je do přepravek v pořadí, v jakém je linka potřebuje, a doplňovali chybějící kusy. Práci si dělily dva modely: Gemini Robotics ER sledoval průběh úkolu a Gemini Robotics 2.5 řídil ruce a paže. Úspěšnost byla 96 %.

Šéf Apptroniku Jeff Cardenas uvedl, že se modely během pár týdnů dotrénování výrazně zlepšily a do výroby u Mercedesu se přenesly jen s malým poklesem výkonu.

Laboratorní čísla

DeepMind model testoval na více než 200 různých úlohách, například na podávání jídla kleštěmi nebo vázání mašle. Oproti předchozím verzím uvádí o 30 až 100 % vyšší úspěšnost podle typu úlohy a o 20 až 30 % rychlejší provedení. Za běhu model navádí uvažování, které ho drží dál od fyzických rizik: úlohy dokončí bezpečně o 33 % častěji, když mu v cestě stojí překážka, a o 43 % častěji, když jsou poblíž lidé.

Spolu s modelem DeepMind zveřejnil otevřený benchmark ASIMOV-Jailbreak, který testuje, jestli se robot nechá převlečeným pokynem navést k nebezpečné akci. Model Gemini 4 Argon v něm odolal v 99,5 % případů, předchozí Gemini Robotics ER 2 v 82 %. Pozor: číslo se týká Argonu, ne přímo modelu Robotics 2.5.

Proč 96 % nestačí

Na obecný model pro roboty je 96 % silný výsledek. Člověk ale opakovanou práci na lince zvládá prakticky bez chyb, takže každý pětadvacátý neúspěšný pokus by výrobu brzdil. Rozdíl mezi „funguje v pilotu“ a „funguje v provozu“ leží právě v posledních několika procentech.

Gemini Robotics 2.5 zatím není veřejně dostupný a nemá veřejné API. DeepMind ho postupně předává svým robotickým partnerům. Pro evropský průmysl je zajímavé, že ostrý test proběhl v továrnách ve střední Evropě.