Команда Gemini Robotics представила Gemini Robotics 2 — интеллектуальную прослойку для роботов, которая учит их думать, двигаться всем телом и взаимодействовать друг с другом. Вместо жёстко запрограммированных последовательностей роботы получают способность рассуждать о каждом движении и адаптироваться к незнакомой обстановке.
В основе лежат три модели. Первая, Gemini Robotics 2 — наиболее продвинутая vision-language-action модель (VLA). Она превращает изображение и текст в моторные команды и способна управлять полными гуманоидами — от стоп до кончиков пальцев, а также двухрукими роботами. Модель даёт совершенно новый уровень ловкости как целым рукам, так и схватам.
Вторая — Gemini Robotics ER 2, модель воплощённого рассуждения на базе vision language model (VLM). Она действует как агент: позволяет машинам общаться с человеком, понимать физический мир и планировать многошаговые задачи длительностью в несколько минут. Впервые сюда встроена возможность командной работы — несколько роботов могут договариваться и помогать друг другу.
Третья — Gemini Robotics On-Device 2, облегчённая VLA-модель, оптимизированная для локального запуска прямо на борту робота. Её главное преимущество — быстрая адаптация к совершенно новому телу робота всего за несколько часов собранных данных.
Что это даёт на практике? Например, гуманоид может ходить по помещению, приседать, тянуться и манипулировать предметами, чтобы убрать захламлённую комнату. Если работы много, он способен позвать на помощь других роботов, и они скоординированно завершат уборку быстрее. Интеллект при этом не обязательно требует облачных вычислений — облегчённая версия работает локально и моментально приспосабливается к новой механике.
Переход от единичных запрограммированных движений к полнотельному осмысленному поведению — ключевой сдвиг. Модели видят, планируют и действуют как единая система, не привязанная намертво к конкретной конструкции манипулятора или шасси. Весь старый разрыв между восприятием, пониманием сцены и моторикой теперь зашит в общий цикл, и робот перестаёт напоминать набор разрозненных скриптов.