Google DeepMind 30 июля 2026 года представила Gemini Robotics 2 — новую версию своей робототехнической ИИ-модели, которая теперь умеет управлять не только руками и верхней частью корпуса гуманоидного робота, а всем телом целиком: от стоп до пальцев. Это важный шаг для роботов, которые должны не просто стоять у стола и перекладывать предметы, а двигаться в реальном пространстве, приседать, наклоняться, тянуться к полкам, брать вещи и выполнять бытовые или производственные задачи с координацией всего тела.
Если коротко: Google DeepMind пытается приблизить гуманоидных роботов к сценарию, где они понимают команду человека, оценивают окружающую обстановку и сами выбирают физические действия. Не в виде красивой демо-анимации, а на реальном железе — например, на роботе Apollo 2 компании Apptronik.
Что произошло
Google DeepMind обновила линейку Gemini Robotics. Главная новинка — Gemini Robotics 2, модель для управления телом робота. По заявлению компании, она способна контролировать движения всего гуманоидного робота, включая ходьбу, наклоны, приседания, вытягивание корпуса, движение рук и манипуляции пальцами.
В демонстрациях Google робот Apollo 2 наклоняется за лейкой, снимает нужные предметы с полки и взаимодействует с объектами так, где одних рук уже недостаточно. Например, чтобы достать вещь с нижнего уровня, робот должен не просто опустить манипулятор, а изменить положение корпуса, удержать баланс, правильно поставить ноги и синхронизировать движение рук.
Это звучит просто, потому что человек делает такие вещи автоматически. Но для робота это сложная задача: нужно одновременно понимать сцену, планировать движение, не потерять устойчивость, не задеть окружающие предметы, контролировать усилие захвата и довести действие до конца.
Раньше многие робототехнические демо выглядели так: робот стоит на месте, перед ним стол, на столе предметы, а модель управляет руками. Это полезный этап, но он сильно ограничивает круг задач. В реальном мире предметы лежат на полках, на полу, в ящиках, под разными углами и на разной высоте. Чтобы работать в доме, складе, гараже или лаборатории, роботу нужно двигаться всем телом.
Gemini Robotics 2 как раз нацелена на этот переход.
Чем Gemini Robotics 2 отличается от предыдущей версии
Предыдущая версия Gemini Robotics была сосредоточена в основном на управлении верхней частью тела гуманоидного робота. То есть модель могла помогать роботу выполнять задачи руками: брать предметы, перемещать их, взаимодействовать с объектами в пределах доступной зоны.
Gemini Robotics 2 расширяет эту идею до whole-body control — управления всем телом. Теперь робот может не только протянуть руку, но и подойти, присесть, наклониться, изменить позу и скоординировать это с движением кистей и пальцев.
Разница принципиальная. Управление рукой — это уже сложная робототехника, но управление всем телом добавляет несколько новых уровней:
- баланс и устойчивость;
- координацию ног, корпуса, рук и кистей;
- работу с объектами, которые находятся не только на столе;
- планирование более длинных цепочек действий;
- безопасность рядом с человеком;
- адаптацию к разным типам роботических тел.
Проще говоря, первая версия помогала роботу лучше действовать в ограниченной зоне. Вторая версия делает шаг к роботу, который может работать в обычной среде, где нужно двигаться, менять положение тела и использовать пространство вокруг себя.
Google DeepMind также отмечает, что роботам еще нужно улучшать скорость движения. Это важное уточнение: речь не о готовом домашнем помощнике, который завтра будет быстро убирать квартиру. Скорее, это исследовательский и инженерный скачок в сторону более универсальных роботов.
Что умеет новая модель
Gemini Robotics 2 должна помогать роботам выполнять задачи, где требуется согласованная работа всего тела. В примерах Google речь идет о действиях вроде:
- наклониться и поднять предмет;
- достать нужную вещь с полки;
- присесть или потянуться;
- манипулировать объектами обеими руками;
- использовать более сложные кисти с пятью пальцами;
- выполнять длинные инструкции, а не один короткий жест.
Отдельно Google говорит о лучшей ловкости. Gemini Robotics 2 теперь может управлять более сложными пятипалыми руками. Это открывает путь к задачам, где обычного захвата “клешней” мало: завязать пакет с мусором, закрыть пакет Ziploc, выкрутить лампочку.
Это важный момент. В робототехнике часто легко показать захват кубика или перенос бутылки, но сложно сделать действия, где нужен тонкий контроль пальцев, усилия и последовательности движений. Лампочка, пакет или застежка требуют не только “взять предмет”, но и понимать, как он деформируется, вращается, сопротивляется или меняет форму.
Для человека это бытовая мелочь. Для робота — целая инженерная проблема.
Gemini Robotics ER 2: модель, которая помогает роботу думать о задаче
Помимо Gemini Robotics 2, Google DeepMind обновила Gemini Robotics ER — embodied reasoning model. Это модель для “воплощенного рассуждения”: она помогает роботу воспринимать окружение, понимать инструкции и планировать действия в физическом мире.
Если Gemini Robotics 2 можно представить как систему управления движениями, то Gemini Robotics ER 2 ближе к уровню понимания задачи. Она должна отвечать на вопросы вроде:
- что находится вокруг робота;
- какие объекты нужны для выполнения инструкции;
- с чего начать;
- когда задача считается выполненной;
- нужно ли продолжать действие или остановиться;
- безопасно ли двигаться дальше.
В новой версии Gemini Robotics ER 2 лучше справляется с длительными задачами и понимает границы действия: когда задание началось и когда закончилось. Это звучит не так эффектно, как робот, который выкручивает лампочку, но для практического применения это критично.
Робот не должен бесконечно “продолжать уборку”, если уже положил нужные предметы в контейнер. Он должен понимать завершение задачи так же надежно, как ее начало.
Google также показала сценарий, где несколько роботов разных типов взаимодействуют между собой. Например, Apollo 2 может дать поручение другому роботу с двумя руками, чтобы тот сложил инструменты в контейнер во время уборки гаража. Это уже не просто один робот, выполняющий одну команду, а зачаток координации между разными роботическими системами.
Почему это важно
Главная ценность Gemini Robotics 2 — не в конкретном трюке с полкой или лейкой. Важнее то, что робот начинает работать с физическим миром более целостно.
До сих пор значительная часть прогресса в ИИ была цифровой: текст, код, изображения, видео, голос. Робототехника добавляет другой уровень сложности. В реальном мире нельзя просто “перегенерировать ответ”, если что-то пошло не так. Робот может уронить предмет, задеть человека, повредить оборудование или сам потерять равновесие.
Поэтому переход от языковых моделей к роботам требует не только интеллекта, но и надежного управления телом, сенсорами, безопасностью и физическими ограничениями.
Gemini Robotics 2 важна для нескольких групп.
Для разработчиков роботов это потенциальная платформа, которая сокращает путь от команды на естественном языке до физического действия. Вместо того чтобы вручную программировать каждое движение, можно обучать и настраивать модели, которые обобщают поведение на разные задачи.
Для производителей гуманоидных роботов это шаг к более полезным демонстрациям. Гуманоид с руками, ногами и корпусом имеет смысл только тогда, когда он использует все это тело. Если робот стоит на месте и выполняет задачи только на столе, форма человека не дает большого преимущества.
Для бизнеса это сигнал, что универсальные роботы постепенно выходят из стадии “ходячей презентации” в сторону практических сценариев: склад, производство, лаборатории, уход за помещениями, сервисные задачи.
Для обычных пользователей это пока не продукт, который можно купить и поставить дома. Но именно такие модели в будущем могут стать основой домашних роботов-помощников, если индустрия решит вопросы цены, надежности и безопасности.
Безопасность: отдельный акцент Google
Google DeepMind называет Gemini Robotics ER 2 своей самой безопасной робототехнической моделью на данный момент. По данным компании, модель лучше определяет, когда рядом находятся люди, может запускать специальные safety tool calls и переводить робота в безопасную остановку, если человек подошел слишком близко.
Это важная часть новости. Чем больше свободы получает робот, тем выше требования к ограничениям. Робот, который двигает только рукой на столе, опасен в одном радиусе. Робот, который ходит, наклоняется, приседает и работает всем телом, должен учитывать людей и объекты вокруг себя постоянно.
Безопасность здесь не отдельная “галочка”, а условие реального внедрения. Особенно если речь идет о гуманоидных роботах, которые потенциально будут работать рядом с людьми: в домах, офисах, складах или больницах.
On-device модель: работа без постоянного интернета
Еще одно обновление касается Gemini Robotics On-Device Model. Это версия модели, которая может работать локально на роботе без постоянного подключения к интернету.
Для робототехники это особенно важно. Робот не всегда может зависеть от облака: задержки сети, сбои связи и приватность данных могут быть критичными. Если робот выполняет физическое действие, ему нужно реагировать быстро. В некоторых сценариях ожидание ответа сервера просто неприемлемо.
Google DeepMind заявляет, что on-device модель теперь быстрее адаптируется к новым embodiment — то есть к разным физическим формам роботов. Это могут быть роботы с разным количеством степеней свободы, другими сенсорами, иной формой корпуса или манипуляторов.
Иными словами, Google хочет, чтобы модель была не жестко привязана к одному конкретному роботу, а могла переноситься на разные платформы. Это сложная, но очень важная задача: рынок робототехники фрагментирован, и универсальная модель должна понимать разные “тела”.
Почему гуманоидным роботам нужен ИИ такого типа
Гуманоидные роботы долго выглядели эффектно, но практический смысл этой формы часто вызывал вопросы. Зачем делать робота похожим на человека, если колесная платформа с манипулятором дешевле и проще?
Ответ появляется в средах, которые уже построены под человека: лестницы, дверные ручки, полки, инструменты, бытовые предметы, рабочие места. Если робот должен работать там же, где человек, человеческая форма может быть преимуществом. Но только при условии, что робот умеет пользоваться этой формой.
Whole-body control делает гуманоидного робота менее похожим на манекен с руками и ближе к машине, которая действительно может действовать в человеческой среде. Он должен понимать не только “какой предмет взять”, но и “как поставить тело, чтобы до него дотянуться”.
Это и есть разница между демонстрационным роботом и потенциально полезным агентом в физическом мире.
Что пока остается нерешенным
Несмотря на громкий анонс, до массовых роботов-помощников еще далеко.
Во-первых, скорость. Google прямо признает, что роботам нужно развиваться в плане быстроты движений. Медленный робот может быть полезен в лаборатории или на демонстрации, но в реальной работе скорость и стабильность сильно влияют на экономику.
Во-вторых, надежность. Робот должен выполнять задачу не один раз в идеальных условиях, а много раз подряд, в разных помещениях, при разном освещении, с предметами, которые лежат не совсем так, как в обучающих данных.
В-третьих, стоимость железа. Модели становятся умнее, но гуманоидные роботы остаются дорогими устройствами с большим количеством механики, сенсоров, приводов и требований к обслуживанию.
В-четвертых, ответственность. Если робот рядом с человеком ошибается, возникает вопрос: виноват производитель железа, разработчик модели, владелец робота, оператор или поставщик облачной системы? Для массового рынка это придется решать не только технически, но и юридически.
Как попробовать
Gemini Robotics 2 — это не обычный чат-бот и не потребительская функция Gemini, которую можно просто открыть в браузере. Это робототехническая модель Google DeepMind, ориентированная на исследовательские и партнерские сценарии, где есть физический робот, сенсоры и система управления.
На практике “попробовать” ее сейчас можно в нескольких смыслах.
Первый вариант — следить за демонстрациями Google DeepMind и партнеров, таких как Apptronik. Именно в таких роликах видно, как модель работает на реальном роботе Apollo 2: наклоны, захват предметов, взаимодействие с полками и другими объектами.
Второй вариант — изучать публикации и технические материалы Google DeepMind по Gemini Robotics. Это полезно разработчикам, инженерам робототехники и компаниям, которые оценивают, куда движется рынок embodied AI.
Третий вариант — работать с обычными моделями Gemini через доступные пользовательские и developer-инструменты Google. Это не даст управления гуманоидным роботом, но поможет понять базовую логику мультимодального Gemini: как модель работает с инструкциями, изображениями, анализом сцены и пошаговыми задачами.
Если нужен именно пользовательский доступ к Gemini Advanced или другим платным AI-сервисам, его можно оформить стандартными способами у Google. Также такие подписки и доступы иногда продаются через plati.market; если пользоваться этим вариантом, лучше внимательно проверять продавца, условия передачи доступа и риски аккаунта. Важно: покупка подписки Gemini не открывает доступ к Gemini Robotics 2 как к робототехнической модели.
Для разработчиков роботов прямой путь — ждать программ доступа, API, SDK или партнерских объявлений от Google DeepMind. Пока новость выглядит скорее как исследовательско-платформенный анонс, а не запуск публичного продукта для всех.
Главное
Gemini Robotics 2 — это шаг от роботов, которые умеют выполнять отдельные манипуляции руками, к роботам, которые координируют все тело. Новая модель может управлять движениями от ног до пальцев, поддерживает более сложные пятипалые руки и позволяет гуманоидным роботам выполнять задачи, где нужно наклоняться, приседать, тянуться и работать с предметами в реальной среде.
Обновление Gemini Robotics ER 2 добавляет более сильное понимание задач, длительных действий, взаимодействия нескольких роботов и безопасности рядом с человеком. А on-device модель показывает, что Google думает не только об облачном ИИ, но и о локальной работе на самом роботе.
Это еще не момент, когда домашние гуманоиды становятся массовым продуктом. Но это важный технический шаг: ИИ постепенно выходит из экрана и учится управлять физическим телом в пространстве.
Источник
The Verge: Google DeepMind’s new AI model can control a robot’s entire body