| Название базовой системы (платформы): | Google Gemini |
| Разработчики: | Google DeepMind |
| Дата премьеры системы: | сентябрь 2025 г. |
| Отрасли: | Информационные технологии |
| Технологии: | Робототехника |
Содержание |
История
2025: Анонс продукта
В сентябре 2025 года Google DeepMind представила новые модели искусственного интеллекта Gemini Robotics 1.5 и Gemini Robotics-ER 1.5, которые обучают роботов выполнять сложные многоэтапные задачи в реальном мире. Системы позволяют роботам планировать действия перед выполнением, включая сортировку белья по цветам и переработку мусора по установленным правилам.
Модели повышают способности роботов к рассуждению и помогают решать задачи, требующие нескольких минут непрерывной работы. Технологии развивают возможности роботов от выполнения одиночных команд к настоящему пониманию физических задач. Новые модели следуют сериям инструкций и используют внешние инструменты для решения проблем. Роботы получили доступ к поиску Google для получения актуальной информации. В демонстрационных роликах робот упаковал шапку и зонт в сумку для поездки в Лондон после проверки прогноза погоды. Другой пример показал сортировку мусора по правилам Сан-Франциско, найденным в интернете.
Старший директор и глава отдела робототехники Google DeepMind Каролина Парада отметила переход к новому уровню понимания. По ее словам, модели ранее хорошо справлялись с одной инструкцией за раз. Теперь системы переходят к настоящему пониманию и решению физических задач в реальной среде.«Агропромкомплектация» сократила капитальные вложения в ИТ. CIO компании на TAdviser SummIT — о том, к чему это привело
Ключевым нововведением стала технология «перенос движения». Система позволяет одной модели ИИ использовать навыки, разработанные для определенного типа роботов. Навыки роботизированной руки могут применяться к человекоподобному роботу. Ранее обучение роботов было привязано к конкретному типу устройства.
Технология значительно расширяет объем доступных обучающих данных. Модели могут использовать опыт различных роботизированных систем для улучшения производительности. Перенос навыков между платформами ускоряет процесс обучения новых роботов и снижает затраты на разработку.[1]
