Vydání, které bylo oznámeno 30. července 2026, se soustředí na model vidění-jazyk-akční (VLA), který převádí to, co robot vidí a slyší, na přesné motorické příkazy. DeepMind to popisuje jako zpravodajskou vrstvu pro univerzální robotiku a společnost umístila spuštění jako bod obratu při vynášení AI z oken chatu do fyzického světa. Chcete-li se dozvědět více o širším průmyslovém tlaku na vtělenou AI, sledujte naše přelomové zprávy o AI.
Tři modely, jeden systém
DeepMind dodal tři doplňkové modely v řadě Gemini Robotics 2:
- Gemini Robotics 2 – vlajkový model VLA, který převádí vidění a jazyk do ovládání motoru a umožňuje robotovi provádět fyzickou akci.
- Gemini Robotics ER 2 – model ztělesněný uvažováním schopný porozumět fyzickým prostorům a vytvářet podrobné, vícekrokové plány, které se koordinují s lidmi a jinými roboty.
- Gemini Robotics On-Device 2 – odlehčená verze modelu VLA optimalizovaná pro lokální běh na robotickém hardwaru, což snižuje závislost na cloudovém připojení.
Podle blogu DeepMind má každý model roli specialisty, ale trio je navrženo tak, aby fungovalo jako jediný integrovaný systém. Model VLA zvládá akci v reálném čase, model ER zvládá plánování na vyšší úrovni a varianta na zařízení umožňuje reakce s nízkou latencí na samotném robotu.
Od nohou ke konečkům prstů
Nejvýraznějším tvrzením v oznámení je to, co DeepMind nazývá inteligentní ovládání celého těla. Namísto toho, aby trénoval robota, aby opakoval jeden pohyb, je Gemini Robotics 2 navržen tak, aby ovládal celé humanoidní tělo – od chodidel až po konečky prstů – a umožnil tak pohyby jako u lidí, včetně ohýbání, dosahování a vyvažování.
DeepMind zdůraznil několik měřítek obratnosti. V ukázkách byli roboti pohánění modelem předvedeni, jak šroubují žárovky, vážou uzly a provádějí další jemné činnosti, které vyžadují jemné ovládání motoru. Laboratoř uvedla, že systém dosahuje nové úrovně obratnosti, která umožňuje robotům dokončit úkoly vyžadující skutečnou jemnost spíše než hrubé opakování.
Společnost také kladla důraz na přizpůsobivost. Gemini Robotics 2 lze přizpůsobit jakémukoli dvouramennému robotu během několika hodin, řekl DeepMind, což znamená, že stejná základní inteligence se může rozšířit ze stolního ramene na komplexního humanoida bez úplného cyklu přeškolování. Toto zobecnění je významným odklonem od konvenční robotiky, kde každý stroj obvykle vyžaduje účelový software.
Roboti spolupracující
Další hlavní funkcí je spolupráce mezi více roboty. DeepMind uvedl, že Gemini Robotics 2 podporuje scénáře, ve kterých dva roboti spolupracují na jediném úkolu a rozdělují práci ve sdíleném fyzickém prostoru. Model ER 2 se stará o koordinaci – uvažování o prostředí, mapování vícekrokové sekvence a přidělování kroků mezi stroje.
V jedné demonstraci citované společností dvojice robotů spolupracovala na úklidu místnosti a práci si rozdělili, místo aby do sebe naráželi. DeepMind to označil za časný důkaz, že umělá inteligence dokáže řídit nejen jednotlivé akce, ale i orchestraci více agentů v reálném světě.
Interaktivní a instruktážní
Kromě autonomního provozu jsou modely navrženy tak, aby byly interaktivní. Gemini Robotics 2 dokáže vysvětlit svůj přístup při provádění akce a uživatelé mohou přesměrovat robota uprostřed úkolu pomocí běžného jazyka namísto technických příkazů. DeepMind uvedl, že díky tomu je platforma vhodná pro instruktáž robotů v nestabilních nebo nebezpečných prostředích, kde lidští operátoři potřebují upravovat plány za běhu.
Proč na tom záleží
Start zintenzivňuje již tak přeplněnou humanoidně-robotický závod. Společnosti včetně Figure, Boston Dynamics a Tesla se předháněly v komercializaci chodících pracovních strojů, zatímco výrobci čipů, jako je Nvidia, hodně investovali do simulační a výpočetní infrastruktury, kterou fyzická AI vyžaduje.
Sázka DeepMind spočívá v tom, že jediná, univerzální zpravodajská vrstva – taková, která o fyzickém světě uvažuje stejně jako chatbot o textu – může nahradit zakázkový úzký software, který definoval průmyslovou robotiku po celá desetiletí. Pokud se systém skutečně dokáže přizpůsobit jakémukoli provedení během několika hodin, snížilo by to bariéru pro výrobce a výzkumníky, kteří chtějí nasadit schopné roboty, aniž by pokaždé začínali od nuly.
Společnost uvedla, že na rozšíření platformy spolupracuje s důvěryhodnými hardwarovými partnery a spolu s vydáním zveřejnila dokumentaci odpovědnosti a bezpečnosti. Zůstávají otázky o tom, jak tyto modely fungují mimo kontrolované demonstrace a jak rychle se může celotělové humanoidní ovládání promítnout do spolehlivého nasazení v reálném světě.
Šíře uvedení na trh – pohyb celého těla, uvažování ve více krocích, efektivita na zařízení a koordinace více agentů v jediné produktové řadě – však signalizuje, že Google hodlá být primárním hráčem v konvergenci velkých modelů umělé inteligence a fyzických strojů.
Udržujte si náskok před umělou inteligencí
Hranice robotiky se rychle posouvá a AI Buzz Wire sleduje každý významný vývoj. Přečtěte si další zprávy o AI, kde najdete nepřetržité zpravodajství o vydáních modelů, objevech hardwaru a změnách v oboru.
Prozkoumejte nejnovější vývoj AI →
