Представьте склад: робот-тележка привозит коробку, манипулятор разбирает содержимое, другая машина проверяет результат. Вы задаёте цель, а общий ИИ распределяет работу. У каждой машины остаётся собственное управление движением, но понимание задачи у них общее.
27 октября Google открыла предварительный доступ к Gemini Robotics ER 2 в Google Cloud. Модель анализирует происходящее по видео, планирует действия и обращается к системам управления роботами. Ещё при июльском анонсе Google DeepMind показала совместную работу гуманоидного Apollo 2 и робота Franka F3 Duo.
Воплощённый ИИ — искусственный интеллект, который воспринимает физическую среду и действует в ней через физическое устройство.
В этой истории сходятся три задачи из разных исследовательских проектов.
Переносить опыт между роботами. В 2023 году участники Open X-Embodiment объединили данные от 22 типов роботов. В экспериментах обучение на общем наборе помогло моделям использовать опыт других платформ. Навык ещё нельзя просто «скачать» в любую машину, но появляется возможность не учить каждое устройство с нуля.
Справляться с новой обстановкой. В 2025 году Physical Intelligence представила π0.5: в экспериментах роботы выполняли бытовые задачи в домах, которых не было в обучающих данных. Ошибки оставались, но сама постановка эксперимента важна: реальная обстановка на кухне меняется каждый день.
Работать вместе. Gemini Robotics ER 2 добавляет к этой картине координацию разных машин: общий план, распределение действий, проверку результата. Координация требует отдельной работы — перенос навыков сам по себе её не обеспечивает.
Почему это может изменить экономику услуг?
Покупка робота — только начало: его нужно приспособить к помещению, предметам и рабочему процессу. Перенос опыта и общий план для разных машин могут уменьшить объём настройки и стоимость следующего внедрения, помогая осваивать изменения с меньшим участием инженеров. Так роботизация может стать доступнее для задач, где сегодня слишком дорого собирать решение заново. Насколько это окупится, ещё предстоит измерить на реальной работе.
Есть и человеческая сторона. Когда человек задаёт цель сразу нескольким машинам, важнейшей частью его работы становятся границы допустимого: что можно перемещать, когда нужно остановиться, в какой ситуации обязательно позвать человека.
Ошибка «убрать всё со стола» в офисе и в лаборатории имеет разную цену.
Наконец, появляется новый источник зависимости. Если разные машины опираются на одну модель, её обновления и доступность затрагивают сразу несколько процессов. Владелец роботов должен понимать, кто хранит накопленный опыт, можно ли сменить поставщика ИИ и как продолжить работу при сбое.
Общий интеллект может сделать физическую работу гибче. Но вместе с навыками придётся научиться переносить и сохранять человеческие правила: что считать хорошим результатом, где проходит граница автономии и кто вправе её менять.
Google открыла облачный доступ 27 октября. Совместную работу двух роботов DeepMind показала ещё в июле. В 2023 году исследователи проверяли, можно ли учить разных роботов на общих данных, а в 2025-м — как робот справится с незнакомой обстановкой.