Google DeepMind больше не ограничивается чат-интерфейсами; компания выходит в физический мир с Gemini Robotics 2. Эта модель класса зрение-язык-действие (vision-language-action, VLA) позиционируется как универсальный интеллектуальный слой, разработанный в качестве стандартной ОС для устройств практически любого форм-фактора. Будь то прецизионный настольный манипулятор или громоздкий гуманоид, DeepMind стремится сделать Gemini тем самым мозгом, который преобразует цифровое намерение в физический крутящий момент.
Технически этот переход означает отказ от фрагментированных специализированных схем управления в пользу единого мультимодального подхода. Как пояснили представители Google DeepMind, система рассматривает движения всего тела и мелкую моторику как единый скоординированный выходной сигнал. Речь идет не просто о перемещении конечности: модель должна понимать физику всего устройства в целом. Чтобы справиться с неизбежной сложностью логистики в реальном мире, компания также представила ER 2 (Embodied Reasoning) — высокоуровневый стратегический слой, пришедший на смену версии ER 1.6.
Архитектура создает четкую иерархию:
ER 2 выступает в роли когнитивного планировщика, разбивая абстрактные цели на последовательность задач. Gemini Robotics 2 работает как моторная кора головного мозга, выполняя непосредственную черновую физическую работу.
Концепция DeepMind амбициозна и обещает бесшовную координацию между группами разнородных роботов.
Однако отраслевые эксперты по-прежнему скептически относятся к подобным универсальным решениям. Преодоление разрыва между симулированными рассуждениями больших языковых моделей и хаотичной высокочастотной физикой различного оборудования остается колоссальной задачей.
В то время как ER 2 уже проходит стадию тестирования в Google AI Studio, основная модель Robotics 2 доступна только по списку ожидания. Google явно стремится занять центральное место в технологическом стеке робототехники, надеясь превратить железо в биржевой товар, предлагая единственный мозг, который имеет значение. Подобную стратегию мы уже наблюдали на рынке мобильных устройств, но сможет ли одна нейросеть освоить специфическую динамику каждого роботизированного сустава на рынке — это рискованная гипотеза, которую еще предстоит доказать на практике.