Gemini Robotics 2.5 научил гуманоида Apollo 2 собирать детали Mercedes с 96% успеха

Робот, который идеально работает в лаборатории, на заводе обычно пасует на первой же скользкой детали или чуть сдвинутом ящике. Именно этот разрыв между демо-роликом и реальным цехом DeepMind пытается закрыть новой моделью Gemini Robotics 2.5. Самое интересное в релизе — не рекорды на стенде, а пилот на конвейере Mercedes-Benz и то, как модель обучали.

Что умеет модель

Gemini Robotics 2.5 — это VLA-модель (vision-language-action). Она получает картинку с камер и текстовую инструкцию, а на выходе выдаёт движения рук и пальцев. DeepMind проверяла её на более чем 200 разных задачах: подать еду щипцами, завязать бант на подарочной коробке, набрать жидкость пипеткой.

Такие задачи трудны не силой, а тонкостью. Нужно работать с инструментом, с мягкими и гнущимися предметами вроде ткани и ленты, с хрупкими вещами. По данным DeepMind, успешных попыток стало на 30–100% больше (в зависимости от типа задачи), а выполняется всё на 20–30% быстрее, чем у предыдущих версий.

Модель не привязана к одному железу. Её запускали на гуманоиде Apptronik Apollo 2 с пятипалой кистью SharpaWave (22 степени свободы) и на двурукой платформе Franka Duo с простыми параллельными захватами.

Завод вместо лаборатории

Главная демонстрация — пилот на линиях Mercedes-Benz в Кечкемете (Венгрия) и Зиндельфингене (Германия). Apollo 2 занимался комплектацией (kitting): достаёт детали из больших ящиков и раскладывает по лоткам в том порядке, в котором они понадобятся для конкретной машины на линии. Работа монотонная и тяжёлая, а ошибка в порядке потом аукается сборщикам.

Архитектура здесь двухслойная. Модель Gemini Robotics ER следит за ходом всего процесса и решает, что делать дальше. Gemini Robotics 2.5 управляет руками: тянется в ящик, берёт металлические кронштейны, кладёт в лоток и поправляет себя, если что-то пошло не так. Итог — 96% успешных операций.

Стоит читать эту цифру трезво. Это proof-of-concept, а не серийная эксплуатация, и 4% сбоев на конвейере всё ещё много. Скорость в сравнении с человеком не приводится. Зато CEO Apptronik говорит, что модель заметно улучшилась за несколько недель дообучения и перенеслась на завод Mercedes с небольшой потерей качества. Для индустрии это важнее самого процента: переносимость обучения дешевле, чем отдельная настройка под каждый цех.

Безопасность и роль симулятора

Для физических агентов безопасность — отдельная инженерная задача. В Gemini Robotics 2.5 есть рассуждение на этапе выполнения (inference-time reasoning guidance), которое подсказывает роботу, как обходить опасные места. По замерам DeepMind, безопасное завершение задач рядом с препятствиями выросло на 33%, а рядом с людьми — на 43%.

Отдельно проверяли устойчивость к джейлбрейкам, когда опасную просьбу маскируют под безобидную. Для этого DeepMind открыла бенчмарк ASIMOV-Jailbreak: сотни промптов в десятках сцен. Gemini 4 Argon отбивает 99,5% таких попыток, предыдущая база Gemini Robotics ER 2 — 82%.

В самой разработке Gemini 4 Argon тоже сыграл заметную роль. Он служил движком симуляции: по одной реальной сцене с камеры строил цифровой двойник и генерировал тысячи вариантов тренировочных прогонов. Кроме того, он по видео предполагал, почему робот провалил задачу, и помогал проверять исправления в симуляции и на реальных роботах. Реальные демонстрации и симуляция вместе помогают быстрее обобщаться на новые сцены и предметы.

Что с этим делать

Модель пока выдают только партнёрам, так что опробовать её напрямую не получится. Зато есть несколько практических выводов.

• Если строите робототехнику, обратите внимание на разделение ролей: «модель-планировщик» отдельно, «модель-исполнитель» отдельно. Так проще отлаживать и менять части.
• Подход «снял реальную сцену — сгенерировал тысячи симуляций» стоит перенять там, где реальных данных мало.
• ASIMOV-Jailbreak открыт, и его можно прогнать на своих агентах как дополнительный тест.

Ограничение у всех цифр одно: их публикует сама DeepMind, независимых проверок нет, а базовые версии для сравнения описаны скупо. Но направление ясное: гуманоиды выходят из лабораторий на конкретные узкие операции, и главный вопрос теперь не «может ли», а «насколько дёшево и безопасно можно масштабировать».