Модель Gemini Robotics 2.5 показала точность 96% на заводах Mercedes-Benz
Точные манипуляционные задачи в робототехнике долгое время удерживали показатель успешности на уровне 30–40%, однако недавнее развертывание на действующих автомобильных линиях показало результативность в 96%. Google DeepMind представила Gemini Robotics 2.5, назвав ее своей наиболее совершенной моделью класса vision-language-action на сегодняшний день. Этот релиз знаменует операционный разворот для промышленной робототехники: ранее высокий уровень ошибок превращал пилотные проекты с гуманоидным оборудованием в статью невозвратных расходов, а не в масштабируемые производственные активы.
Ключевой вопрос операторов заводов предельно прагматичен: во сколько в реальности обходится интеграция нового программного обеспечения типа vision-language-action на автомобильные сборочные конвейеры? Согласно рыночным оценкам интеграции промышленной автоматизации, внедрение узкоспециализированных программных решений обычно требует сотен часов кастомного планирования траекторий и калибровки датчиков на каждое рабочее место. Рост точности модели до 96% на действующем конвейере переводит роботизированные манипуляторы из категории экспериментальных расходов баланса в плоскость операционной оптимизации рабочих процессов. Если базовые системы способны брать на себя разнообразные задачи сортировки и перемещения без индивидуального программирования под каждое физическое отклонение, экономика развернутого парка оборудования кардинально меняется за счет амортизации затрат на разработку ПО по множеству заводских сценариев применения.
Верификация на автомобильном конвейере
Чтобы измерить надежность работы в реальных производственных условиях, Google DeepMind объединила усилия с Apptronik и Mercedes-Benz для внедрения гуманоидных роботов Apollo 2 на действующих сборочных линиях в Кечкемете (Венгрия) и Зиндельфингене (Германия). В рамках этих пилотов аппаратная платформа роботов оснащена пятипалой кистью SharpaWave с 22 степенями свободы для комплектования автомобильных наборов деталей.
В ходе практической проверки концепции на производственных линиях Mercedes-Benz наши модели помогли гуманоиду Apollo 2 компании Apptronik собирать и упаковывать автокомпоненты с показателем успешности 96%.
По заявлению Google DeepMind, модель управляет роботами при захвате металлических кронштейнов из лотков снабжения и их размещении в сортировочные поддоны, автономно компенсируя позиционные зазоры. Передача этой монотонной подготовительной работы высвобождает технических специалистов для сложных сборочных операций. По сравнению с предыдущими базовыми решениями, Gemini Robotics 2.5 обеспечивает повышение процента успешных операций на 30–100% в зависимости от типа задачи, выполняя манипуляции на 20–30% быстрее.
Физическая безопасность и управление на этапе инференса
Масштабирование внедрения на действующих предприятиях зависит от того, способны ли универсальные модели устранить накладные расходы на адаптацию без раздувания капитальных затрат. Система справляется с изменчивостью цеховой среды за счет логического анализа непосредственно на этапе инференса, объезжая физические препятствия в реальном времени. В тестах разработчиков эта функция повысила безопасность выполнения задач вблизи препятствий на 33%, а рядом с персоналом завода — на 43%.
По результатам наших оценок, эта возможность повысила безопасность выполнения задач вокруг препятствий на 33% и рядом с находившимися поблизости людьми на 43%.
Gemini Robotics 2.5 передается партнерам по робототехнике после серии испытаний на более чем 200 различных задачах, охватывающих широкий спектр операций, их производительность и сложность. Признают ли Mercedes-Benz и Apptronik показатель точности в 96% на площадках в Кечкемете и Зиндельфингене достаточным аргументом для сокращения расходов на индивидуальную инженерию и масштабирования Apollo 2 на остальные сборочные линии?
Где подвох
Точность сложных манипуляций подскочила до внушительных 96%, но в реальных цехах роботы пока раскладывают простые металлические кронштейны по поддонам. Google DeepMind пытается переломить эту экономику универсальным софтом Gemini Robotics 2.5, который должен отбить сотни часов ручной калибровки за счет логики прямо на инференсе. Хватит ли заводам в Кечкемете и Зиндельфингене этих 96% точности на кронштейнах, чтобы пустить гуманоидов Apptronik к более ответственным узлам автомобиля?
Наши материалы: Google Gemini Robotics-ER 1.6: ИИ-агенты в промышленной робототехнике (3 июня); Google Gemini Robotics 2: новая ОС для гуманоидных роботов (4 августа).
Источник: Google DeepMind Blog