A Gemini Robotics 2.5 a Google/DeepMind által bejelentett legújabb vision‑language‑action (VLA) modell, amelyet kifejezetten arra fejlesztettek, hogy a robotok gyorsabban és megbízhatóbban tanuljanak valódi, rendezetlen környezetben. A fejlesztés célja, hogy a robotok jobb mozgásos ügyességet, szélesebb feladatkört és nagyobb biztonságot érjenek el, így a laboratóriumi teszteken túl a gyakorlatban is alkalmazhatók legyenek.
Mit tud a 2.5‑ös verzió?
A Gemini Robotics 2.5 három fő területen hoz előrelépést:
- Dexteritás: a robotok többféle feladatot képesek elvégezni javult ügyességgel — például hétköznapi eszközök használata, hajlékony vagy törékeny tárgyak kezelése.
- Megbízhatóság: valós környezetben végzett bemutatón a modell segítette Apptronik Apollo 2 humanoidját abban, hogy autóipari alkatrészek válogatását és csomagolását 96%-os sikerességgel végezze egy Mercedes‑Benz gyártósoron.
- Biztonság: fejlesztették a fizikai biztonságra irányuló irányíthatóságot, és bevezettek egy új, robotikára szabott benchmarkot az „adversarial jailbreak” típusú kockázatok tesztelésére.
A modell natívan képes különféle robotplatformokkal dolgozni, köztük Apptronik Apollo 2 humanoiddal (amely a ötujjas, 22 szabadságfokú SharpaWave kézzel rendelkezik) és a Franka Duo platformmal, amely kétujjas párhuzamos fogókat használ.
Feladatok és teljesítménymérések
A fejlesztők több mint 200 különböző feladaton tesztelték a modellt — ilyenek voltak például hőfogóval étel felszolgálása, ajándék dobozára masni kötése vagy pipettázás. Ezek a feladatok egyszerre igényelnek haladó eszközhasználatot, deformábilis tárgyak kezelését és finom manipulatív képességeket.
A mérések szerint a Gemini Robotics 2.5 feladatpontosságban, robosztusságban és sebességben is javulást mutatott: a korábbi alapvonalakhoz képest feladattípustól függően 30%–100% közötti magasabb sikerességi arányt ért el, és a feladatok 20%–30%‑kal gyorsabban teljesültek.
Valós gyártósori pilot: Apptronik és Mercedes‑Benz
A megbízhatóság vizsgálatához együttműködtek Apptronikkal és Mercedes‑Benz‑szel: Apollo 2 humanoid robotokat helyeztek üzembe aktív autóipari gyártósorokon Kecskeméten (Magyarország) és Sindelfingenben (Németország).
A pilot során az Apollo 2 autonóm módon végezte az úgynevezett kitting feladatot — az alkatrészek ismétlődő, fizikai válogatását a tömeg‑tálcákból a járműsorozatnak megfelelő sorrendbe rendezett tálcákba. A rendszer az embodied reasoning modell (Gemini Robotics ER) segítségével nyomon követte a munkafolyamatot, míg a Gemini Robotics 2.5 actions modell irányította a karokat és kezeket. A pilot 96%-os sikerességi arányt mutatott, ami ígéretes előrelépés a szélesebb körű ipari alkalmazások felé.
Biztonság és jailbreak‑ellenállás
A Gemini Robotics 2.5-ban erősítették az úgynevezett inference‑time reasoning guidance réteget, amely valós időben segít a robotnak fizikailag veszélyes helyzetek elkerülésében. A beépített irányítás mérnöki tesztekben 33%-kal növelte a biztonságos feladatvégrehajtást akadályok környezetében és 43%-kal javította a biztonságot emberek közelségében.
A jailbreak elleni ellenállás tesztelésére kiadtak egy ASIMOV‑Jailbreak nevű nyílt forrású benchmarkot, amely több száz, veszélyes kérést álcázó promptot tartalmaz különböző jelenetekhez. A Gemini 4 Argon jelenleg 99,5%‑os jailbreak‑ellenállást mutat a benchmarkon, míg a korábbi Gemini Robotics ER 2 modell 82%-os volt.
Gyorsítás: Gemini 4 Argon szerepe
A fejlesztést nagyrészt a Gemini 4 Argon modell robotikai kutatást gyorsító képességei tették lehetővé. Argon képes valós világ kamera‑jelenetből több ezer, változatos, szimulált gyakorló futást generálni és reális digitális ikert létrehozni. Ezek a szimulációk, kombinálva valós demonstrációs adatokkal, felgyorsítják a generalizálódást új jelenetekre és tárgyakra. Argon segített abban is, hogy videófelvételek elemzésével feltételezéseket tegyenek a hibák okáról és kipróbálják a javításokat szimulációban és valódi robotokon.
Következtetések és köszönetnyilvánítás
A Gemini Robotics 2.5 fontos lépésnek számít a fizikai mesterséges általános intelligencia (AGI) felé vezető úton: jobb ügyességet, megbízhatóságot és biztonságot hoz a valós világbeli robotikai feladatokhoz. A fejlesztést a Gemini Robotics csapata végezte, a projektben részt vettek többek között Huizhong Chen, Radu Soricut, Jean‑Baptiste Alayrac, Melvin Johnson, Edward Grefenstette, Claire Cui, Jon Shlens és Demis Hassabis. Köszönet illeti a Google, Google DeepMind és a partnercsapatok — köztük Agile, Apptronik és Mercedes‑Benz — különböző részlegeit is.
