Стремление Google DeepMind вывести ИИ с экранов на заводы достигло новой вехи: Gemini Robotics 2.5, новейшая модель компании типа «зрение-язык-действие», была протестирована на производственных линиях Mercedes-Benz в Венгрии и Германии.

Позиция DeepMind проста. Компания утверждает, что система расширяет круг задач, которым могут обучаться роботы, одновременно повышая скорость, ловкость и безопасность. В более чем 200 оценках — включая использование щипцов, пипетирование жидкости и завязывание бантов — она сообщила о показателях успеха на 30–100% выше, чем у прежних базовых моделей, при этом задачи выполнялись на 20–30% быстрее.¹ Модель внедряется у партнеров в сфере робототехники, а не предоставляется для широкого доступа.

Испытание на заводе — главный результат. Гуманоид Apollo 2 компании Apptronik сортировал автомобильные детали из навальных контейнеров в лотки в заданной последовательности — повторяющийся процесс, известный как киттинг, — и достиг показателя успеха в 96%. Генеральный директор Apptronik Джефф Карденас назвал это «полезной работой бок о бок с людьми в реальных промышленных условиях», утверждая, что результаты закладывают основу для внедрения гуманоидов в промышленном и коммерческом масштабе.¹ DeepMind также представила запуск как возможность для роботов осваивать «сотни повседневных навыков» — от складывания белья до сортировки автомобильных деталей.Demis Hassabis (demishassabis)²

Но именно различие между убедительной демонстрацией и надежностью, достаточной для завода, обостряет дискуссию. Независимые публикации отмечают, что работники-люди, выполняющие такие повторяющиеся задачи, делают их правильно практически всегда; директор DeepMind Канишка Рао назвал устранение оставшегося разрыва в четыре процентных пункта «крутым путем».³

Руководитель робототехнического направления DeepMind Каролина Парада рассматривает это противоречие как компромисс. По ее словам, робота можно оптимизировать для одного применения либо разработчики могут стремиться к широкой обобщаемости и «возможно, не достигать 99,9 в каждом применении».³ Это важно, потому что амбиция компании — не очередная жестко запрограммированная заводская машина, а робот, способный адаптироваться к неопределенной среде.

Безопасность — часть того же нерешенного уравнения. DeepMind заявляет, что ее рекомендации по рассуждению повысили безопасное выполнение на 33% при работе рядом с препятствиями и на 43% рядом с людьми, а новый бенчмарк ASIMOV-Jailbreak проверяет, отказываются ли роботы выполнять небезопасные инструкции.¹ Однако текущая модель по-прежнему работает в облаке, а значит, задержка все еще отделяет отлаженный пилотный проект от плавной, почти мгновенной реакции, необходимой на загруженном заводском участке.³