Gemini Robotics 2.5 сортирует детали на конвейере Mercedes с точностью 96%

Представьте сборочную линию: в контейнерах свалены металлические детали, а их нужно разложить по лоткам так, чтобы для каждой машины комплект шёл в правильном порядке. Это называется kitting, и на заводах такую работу до сих пор в основном делают люди. Google DeepMind утверждает, что её новая модель Gemini Robotics 2.5 уже справляется с ней на действующих линиях Mercedes-Benz — с успехом 96%.

Что за модель

Gemini Robotics 2.5 — это VLA-модель (vision-language-action). Проще говоря, один «мозг» получает картинку с камер и текстовую команду вроде «разложи детали по лоткам», а на выходе выдаёт движения рук и пальцев. Отдельно программировать каждый захват не нужно.

По данным DeepMind, модель проверяли более чем на 200 задачах: от раскладывания еды щипцами до работы с пипеткой. По сравнению с прошлыми версиями самой компании успешность выросла на 30–100% (в зависимости от типа задачи), а выполняются задачи на 20–30% быстрее. Работать модель умеет с разными роботами: гуманоидом Apptronik Apollo 2 с пятипалой кистью на 22 степени свободы и платформой Franka Duo с двумя двухпальцевыми захватами.

Пилот на конвейере и безопасность

Тесты прошли в Кечкемете (Венгрия) и Зиндельфингене (Германия). Apollo 2 брал детали из навала и раскладывал их по лоткам в порядке, нужном для конкретного автомобиля. Моделей работало две: Gemini Robotics ER следила за ходом всего процесса, как диспетчер, а Gemini Robotics 2.5 управляла руками. Это знакомая по агентным системам схема: один слой планирует и контролирует, другой исполняет.

Глава Apptronik Джефф Карденас говорит, что за несколько недель дообучения модель заметно улучшилась и перешла на производство Mercedes с минимальной потерей качества. Для практиков это самый интересный момент: разрыв между лабораторией и цехом обычно съедает значительную часть метрик.

Модель управляет роботом в реальном времени и умеет избегать физических опасностей. По внутренним замерам DeepMind, безопасное выполнение задач выросло на 33% рядом с препятствиями и на 43% рядом с людьми.

Отдельно компания выложила на Hugging Face открытый бенчмарк ASIMOV-Jailbreak. Это сотни промптов, в которых опасные просьбы замаскированы под обычные в десятках сцен: тест проверяет, можно ли уговорить робота сделать что-то вредное. По заявлению Google, её языковая модель Gemini 4 Argon показывает 99,5% устойчивости ко взлому, а предшественник Gemini Robotics ER 2 — 82%.

Эту же Argon использовали как движок симуляции. По одной реальной сцене с камеры она генерирует тысячи симулированных прогонов и цифровой двойник. В сочетании с реальными демонстрациями это помогает роботу быстрее обобщать опыт на новые сцены и предметы. Кроме того, Argon по видеозаписям строит гипотезы о причинах ошибок и проверяет исправления и в симуляции, и на настоящем роботе.

Оговорки и практический вывод

Все цифры — собственные замеры Google и партнёров, независимой проверки пока нет. 96% на одной задаче kitting — это не 96% на любой работе. Сравнения идут с прежними версиями самой DeepMind, а не с конкурентами. Не раскрыто, что именно считается «успехом» и сколько было попыток. А 4% сбоев на конвейере — немало, если простой линии дорого стоит. Доступ пока только у партнёров: Agile, Apptronik и Mercedes-Benz.

Если вы занимаетесь робототехникой или промышленной автоматизацией, смотрите на паттерн, а не на одну цифру: связка «модель-диспетчер плюс модель-исполнитель», LLM-симуляция для генерации обучающих данных и короткое дообучение под конкретную площадку. Тем, кто делает агентов, стоит взять ASIMOV-Jailbreak как образец того, как тестировать систему, где ошибка стоит не лишних токенов, а сломанной детали или травмы.

Продактам и основателям: открытого доступа и независимых тестов лучше дождаться, но пилоты планировать уже сейчас. Узкие повторяющиеся операции вроде kitting выглядят первыми кандидатами на реальное внедрение гуманоидов.