Модель научилась значительно лучше обращаться с предметами, выполнять сложные последовательности действий и адаптироваться к физическому окружению. Во время испытаний гуманоид Apollo 2 сортировал автомобильные детали на производственных площадках Mercedes-Benz в Германии и Венгрии, достигнув успешности 96%.
10 ноября 2026 года Google DeepMind анонсировала Gemini Robotics 2.5, свою наиболее совершенную модель класса VLA, Vision Language Action. Такие системы преобразуют визуальную информацию с камер и текстовые инструкции непосредственно в действия робота. Вместо заранее запрограммированной последовательности движений машина получает задачу, анализирует окружающую обстановку и самостоятельно определяет, как перемещать руки и захваты.
Новое поколение стало заметно точнее и быстрее предыдущего. По результатам внутренних испытаний DeepMind, успешность выполнения различных категорий задач выросла на 30–100%, а скорость увеличилась на 20–30%. Модель проверили более чем на 200 разных заданиях, включая работу с инструментами, гибкими материалами и хрупкими предметами.
Однако главное достижение связано не с лабораторными тестами, а с испытаниями на реальных автомобильных производствах. Совместно с Apptronik и Mercedes-Benz исследователи проверили, способен ли гуманоид выполнять полезную работу непосредственно на действующем заводе.
От упаковки выпечки до завязывания бантиков
Одно из наиболее заметных улучшений Gemini Robotics 2.5 связано с мелкой моторикой. Роботы стали значительно увереннее обращаться с предметами, которые требуют точного захвата, изменения положения пальцев и постоянной корректировки движений.
В демонстрациях DeepMind робот упаковывает выпечку щипцами, завязывает бант на подарочной коробке, складывает одежду и выполняет лабораторные манипуляции с пипеткой. Такие действия кажутся простыми для человека, но представляют серьёзную проблему для робототехники. Мягкие материалы меняют форму, небольшие предметы могут выскальзывать из захвата, а точное положение объекта невозможно определить только по заранее заданным координатам.
Результаты отдельных испытаний показывают масштаб прогресса. Упаковка выпечки щипцами теперь завершается успешно в 100% попыток против 5% у Gemini Robotics 2. Закрытие крышки инструментального ящика достигло 93% успешности, хотя предыдущая версия не справлялась с задачей. Складывание брюк улучшилось с нуля до 40%, а развязывание банта с нуля до 70%.
При этом речь идёт о результатах конкретных тестов DeepMind, а не о гарантированной надёжности робота в любых условиях. Например, 40% успешности при складывании брюк означает значительный прогресс по сравнению с прежней моделью, но для практического применения такой показатель пока недостаточен.
Гуманоиды Apollo 2 вышли на заводы Mercedes-Benz
Самым важным испытанием стала работа на действующих производственных линиях Mercedes-Benz в венгерском Кечкемете и немецком Зиндельфингене. Для эксперимента использовали гуманоидных роботов Apollo 2 американской компании Apptronik, оснащённых системой управления Google DeepMind.
Роботам поручили операцию automotive kitting, то есть подготовку комплектов деталей для последующей сборки автомобилей. Apollo 2 должен был доставать металлические кронштейны из общих контейнеров и раскладывать их по специальным лоткам в последовательности, соответствующей потребностям производственной линии.
Такая работа выглядит монотонной, но требует постоянного анализа обстановки. Детали могут лежать под разными углами, перекрывать друг друга или находиться не там, где ожидалось. Робот должен распознать нужный компонент, правильно захватить его, перенести в соответствующую ячейку и скорректировать действия при изменении ситуации.
Для выполнения задачи использовались две модели. Gemini Robotics ER отвечала за понимание окружающей среды, отслеживание последовательности операций и планирование. Gemini Robotics 2.5 непосредственно управляла движениями рук и захватов.
По данным Google DeepMind, успешность выполнения операции достигла 96%. Компания рассматривает эксперимент как подтверждение концепции, демонстрирующее потенциал гуманоидов для промышленного применения.
Однако показатель требует контекста. DeepMind не раскрыла полное количество попыток, продолжительность непрерывной работы, частоту вмешательства операторов и точное определение успешной операции. Поэтому результаты пилота пока нельзя напрямую переносить на полноценную заводскую смену или оценивать как готовность к массовому внедрению.
Один искусственный интеллект для разных роботов
Важная особенность Gemini Robotics 2.5 заключается в способности работать с различными роботизированными платформами. Традиционно системы управления приходится адаптировать под конкретную конструкцию, количество суставов, тип захватов и расположение камер.
DeepMind стремится создать более универсальный интеллектуальный уровень, который можно использовать на разных устройствах. В демонстрациях представлены гуманоид Apollo 2 и платформа Franka Duo с двумя роботизированными руками.
Apollo 2 оснащён пятипалой кистью SharpaWave, имеющей 22 степени свободы. Такая конструкция позволяет выполнять сложные движения пальцами и обращаться с предметами различной формы. Franka Duo использует более простые двухпалые параллельные захваты, подходящие для точных манипуляций с объектами.
Способность одной модели управлять столь разными механизмами представляет большой интерес для индустрии. В перспективе производители смогут создавать специализированное оборудование, не разрабатывая полностью независимую интеллектуальную систему для каждого робота.
При этом универсальность не означает, что модель без дополнительной настройки сможет одинаково эффективно управлять любым существующим устройством. Для реального применения всё ещё необходимы интеграция, обучение и проверка безопасности.
Роботы стали лучше понимать физическую опасность
По мере выхода роботов из лабораторий вопросы безопасности становятся не менее важными, чем точность движений. Машина, работающая рядом с человеком, должна учитывать препятствия, неожиданное появление людей и изменения окружающей обстановки.
Gemini Robotics 2.5 получила улучшенные механизмы управления безопасностью, использующие рассуждения во время выполнения задачи. Модель способна корректировать действия, если обнаруживает потенциально опасную ситуацию.
По данным DeepMind, доля безопасно завершённых задач выросла на 33% в присутствии препятствий и на 43% при нахождении людей поблизости. Эти результаты получены в рамках внутренних испытаний и характеризуют улучшение относительно предыдущих систем.
Отдельное направление связано с защитой роботов от опасных инструкций. В отличие от обычного чатбота, ошибочное решение физического ИИ может привести к повреждению оборудования или травме человека. Поэтому система должна не только понимать команды, но и определять, допустимо ли выполнять запрошенное действие.
Для оценки таких возможностей DeepMind представила открытый тест ASIMOV Jailbreak, содержащий сотни специально сформулированных запросов, которые маскируют потенциально опасные действия.
В этих испытаниях модель Gemini 4 Argon продемонстрировала устойчивость к 99,5% попыток обхода ограничений против 82% у Gemini Robotics ER 2. Важно, что данный результат относится именно к Gemini 4 Argon, а не непосредственно к новой VLA модели Gemini Robotics 2.5.
Gemini 4 Argon научилась создавать виртуальные миры для обучения роботов
Ещё одна интересная часть анонса касается того, как Google ускоряет обучение физического искусственного интеллекта. Для этого компания использует Gemini 4 Argon, которая помогает исследователям создавать симуляции и анализировать поведение роботов.
Обучение робототехнических систем традиционно требует большого количества физических демонстраций. Робот должен многократно выполнять движения, сталкиваться с ошибками и постепенно учиться корректировать действия. Такой процесс занимает много времени, требует специального оборудования и может приводить к повреждению объектов.
Gemini 4 Argon позволяет частично перенести эту работу в виртуальную среду. Получив изображение реальной сцены с камеры, система помогает построить её цифровой двойник и сгенерировать тысячи разнообразных тренировочных ситуаций.
В симуляции можно менять расположение предметов, их ориентацию и условия выполнения задачи. Это позволяет обучать модель на большем количестве вариантов, не воспроизводя каждый из них физически.
Кроме того, Argon способна анализировать видеозаписи неудачных попыток, предлагать объяснения ошибок и помогать исследователям проверять возможные исправления. Таким образом, искусственный интеллект используется не только для управления роботами, но и для ускорения разработки следующих поколений робототехнических моделей.
Когда Gemini Robotics 2.5 станет доступна
Google DeepMind начала предоставлять Gemini Robotics 2.5 партнёрам в области робототехники. В числе компаний, участвующих в развитии и испытаниях технологии, находятся Apptronik и Mercedes-Benz.
Массовый публичный доступ к новой VLA модели пока не объявлен. Компания не раскрыла стоимость использования, сроки появления общедоступного API или конкретную дату широкого выпуска.
Поэтому на текущем этапе Gemini Robotics 2.5 следует рассматривать прежде всего как исследовательскую и партнёрскую платформу, предназначенную для разработки и испытания следующего поколения роботов.