Gemini Robotics 2: керування всім тілом і реальність цифр між API та лабораторією

30 липня 2026 року Google DeepMind представила Gemini Robotics 2 — багатошарову родину, до якої входять модель vision-language-action, варіант для втіленого міркування (ER 2) і рішення для роботи на пристрої. Заявлений стрибок порівняно з 2025 роком стосується розширення зони керування: уже не лише корпус, а «від стоп до кінчиків пальців». Теоретично це дозволяє оптимізувати центр ваги в русі, поєднуючи маніпуляцію предметами зі стійкістю пози. Серед партнерів — Apptronik з Apollo 2, Boston Dynamics зі Spot для підбирання предметів на голосову команду, Agile Robots і Franka.

Проте представлені результати варто читати уважно. Дані показують 89,6% на точних вставленнях із Franka Duo і 92% при викручуванні лампочки роботом Apollo з кистями SharpaWave. Натомість на підійманні предметів з підлоги в Apollo з кистями Inspire показник падає до 45,7%. Цей розрив показує, що узгоджене керування всім тілом лишається відкритою задачею. Для безпеки DeepMind ввела бенчмарк ASIMOV-Agentic, але зовнішня перевірка часткова: Google не публікує ані кількість спроб на завдання, ані умови середовища під час тестів, а частина згаданих бенчмарків — як-от «diverse tool kitting» — не має стандартизованого публічного визначення.

Щодо доступності стратегія тримає чітку межу. Gemini Robotics ER 2 — мозок, що відповідає за багатокрокове планування, самокорекцію за відеопотоком і оркестрацію зовнішніх інструментів, — відкритий розробникам через Gemini API та Google AI Studio, а також у Gemini Enterprise Agent Platform у приватному превʼю. За заявленими компанією цифрами, виконання вчетверо швидше, а точність класифікації поступу — 57,4%. Натомість моделі VLA для прямої дії та On-Device 2 — яка пристосовується до нового тіла за кілька годин без зв'язку — лишаються в ранньому доступі для обраних партнерів.

Розрив між 92% на демонстраційному завданні і 45,7% на такому банальному русі, як підняти щось із підлоги, показує, скільки ще бракує, щоб гуманоїд був надійним поза лабораторією. І доки моделі дії лишаються в партнерів, виміряти цей розрив ззовні не може ніхто.