AI sa doteraz najčastejšie spájala s textom, obrazom, kódom a digitálnymi úlohami. Gemini Robotics 2 ukazuje ďalšiu ambíciu: presunúť inteligenciu do fyzického sveta. Nie iba pohnúť robotickou rukou na stole, ale koordinovať celé telo humanoida, plánovať viac krokov, reagovať na prostredie a spolupracovať s inými robotmi.
Od chatbotov k pohybu v priestore
Google DeepMind sa s Gemini Robotics 2 snaží riešiť problém, ktorý je v robotike omnoho tvrdší než generovanie textu. Robot musí nielen pochopiť pokyn, ale aj vidieť prostredie, vyhodnotiť možnosti, koordinovať pohyb a bezpečne manipulovať s objektmi. Keď má humanoid prejsť cez miestnosť, zohnúť sa a vložiť predmet do police, nejde o jednoduchú demonštráciu. Ide o súhru vnímania, plánovania, rovnováhy, motoriky a kontroly rúk.
Ukážka s robotom Apollo 2 od Apptroniku demonštruje, o čo ide. Robot dostal pokyn, aby vložil kanvu do zeleného boxu na spodnej polici. Pre človeka banálna úloha. Pre stroj náročná sekvencia: identifikovať objekt, uchopiť ho, prejsť k polici, zmeniť polohu tela, udržať rovnováhu a uložiť predmet na správne miesto.
Tri modely ako jeden systém
Gemini Robotics 2 nie je jeden model v úzkom zmysle. Ide o rodinu modelov s rozdelenými úlohami. Základný Gemini Robotics 2 je vision-language-action model. To znamená, že spracúva obraz, jazykový pokyn a mení ich na motorické príkazy. Je to vrstva, ktorá vykonáva fyzické pohyby.
Druhý model, Gemini Robotics ER 2, funguje ako reasoning vrstva. Plánuje viacstupňové úlohy, sleduje postup a dokáže používať nástroje. DeepMind ho ukázal aj pri koordinácii rôznych robotov, napríklad humanoida a kolesového stroja, ktoré si rozdelia úlohu. Táto vrstva je dostupná vývojárom cez Gemini API a Google AI Studio.
Tretia časť, On-Device 2, beží lokálne bez pripojenia na internet. Podstatné je, že sa dokáže prispôsobiť novému robotickému telu s menej než 200 príkladmi a niekoľkými hodinami tréningu. To je dôležité, pretože prenos naučených schopností medzi rôznymi robotmi patrí dlhodobo medzi najťažšie problémy robotiky.
Prečo je prenos medzi telami taký dôležitý
Digitálny model možno nasadiť na veľa počítačov s podobným správaním. Robotika je iná. Každé telo má inú geometriu, senzory, kĺby, silu, oneskorenie a mechanické limity. Schopnosť preniesť znalosti z jedného robota na druhý preto rozhoduje o tom, či sa vývoj bude škálovať, alebo či bude každá platforma vyžadovať veľké množstvo špecifického tréningu.
Ak On-Device 2 skutočne umožní rýchlejšiu adaptáciu, môže to znížiť bariéru pre výrobcov robotov. Softvérový mozog by nemusel byť viazaný na jedno telo. To je vízia, ktorú sleduje viac hráčov v oblasti fyzickej AI: jeden všeobecnejší model, ktorý sa vie prispôsobiť rôznym strojom.
Limity sú stále výrazné
DeepMind neprezentuje Gemini Robotics 2 ako hotové riešenie pre domácnosti. Práve naopak, otvorene sa spomínajú limity. Roboty sú pomalé, často musia premýšľať medzi pohybmi a pri jemnej manipulácii zostáva úspešnosť nerovnomerná. Zvládnu odskrutkovanie žiarovky s vysokou úspešnosťou, no pri viazaní vreca či zatváraní ziplock vrecka sú výsledky podstatne slabšie.
To je dôležitý reality check. Verejné demá robotov často vyzerajú pôsobivo, pretože ukazujú úspešný priebeh. Skutočné nasadenie však vyžaduje spoľahlivosť v stovkách variácií. Domácnosť, sklad, obchod alebo zdravotnícke prostredie sú chaotickejšie než kontrolované demo.
Bezpečnosť sa presúva vyššie
Keď sa AI presunie z obrazovky do pohybujúceho sa stroja, bezpečnosť prestane byť abstraktná. Model musí rozpoznať človeka v blízkosti, zastaviť sa, odmietnuť nebezpečný pokyn a požiadať o pomoc, keď je úloha nemožná. Gemini Robotics ER 2 má byť najbezpečnejším robotickým modelom DeepMind a firma predstavila aj benchmark ASIMOV-Agentic.
To je správny smer. Pri softvéri môže chybná odpoveď znamenať zlý text alebo nesprávny výpočet. Pri robotovi môže znamenať fyzický zásah do priestoru. Preto bude bezpečnostná architektúra pri fyzickej AI minimálne rovnako dôležitá ako schopnosti modelu.
Softvér bez vlastného hardvéru
Google má ešte jednu výzvu: nevyrába hlavné robotické telá. Spolieha sa na partnerov ako Apptronik, Boston Dynamics alebo Agile Robots. To môže byť výhoda, pretože softvér môže cieliť na širší ekosystém. Zároveň je to závislosť od kvality, dostupnosti a politiky hardvéru.
V robotike sa nedá oddeliť model od tela tak jednoducho ako aplikácia od notebooku. Kvalita motorov, rúk, senzorov a batérií bude priamo určovať, čo AI dokáže. Aj najlepší model zostane obmedzený, ak telo nebude dostatočne presné, odolné a cenovo dostupné.
