Mercedes-Benz-ის ხაზებზე ეს ჯერ საპილოტე ტესტი იყო, ყველა მაჩვენებელი კი თავად Google DeepMind-ს ეკუთვნის.
10 ნოემბერს Google DeepMind-მა თავის ოფიციალურ ბლოგზე რობოტების სამართავი ახალი AI მოდელი, Gemini Robotics 2.5, წარადგინა. ამ სისტემით აღჭურვილმა Apptronik-ის ჰუმანოიდურმა რობოტებმა, სახელად Apollo 2, უნგრეთსა და გერმანიაში Mercedes-Benz-ის მოქმედ კონვეიერებზე მანქანის ნაწილები 96%-იანი სიზუსტით დაახარისხეს. მოდელი უკვე ეგზავნება Google-ის პარტნიორებს: Agile-ს, Apptronik-სა და Mercedes-Benz-ს.
Gemini Robotics 2.5 ხედვა-ენა-მოქმედების, ანუ VLA მოდელია. მარტივად რომ ვთქვათ, ის რობოტის კამერებით იყურება, ზეპირ ან წერილობით დავალებას იგებს და მას პირდაპირ მკლავებისა და თითების მოძრაობად აქცევს. უნგრეთის ქალაქ Kecskemet-სა და გერმანიის Sindelfingen-ში Apollo 2-მა საერთო ყუთებიდან ლითონის სამაგრები ამოიღო და ლანგრებზე ზუსტად იმ თანმიმდევრობით დააწყო, რომელიც კონვეიერზე მომავალ თითოეულ მანქანას სჭირდებოდა. ამ დროს ორი სისტემა ერთად მუშაობდა: Gemini Robotics ER პროცესს აკვირდებოდა და გეგმავდა, ხოლო Gemini Robotics 2.5 ხელებს ამოძრავებდა.
Apptronik-ის აღმასრულებელი დირექტორის, ჯეფ კარდენასის თქმით, რამდენიმეკვირიანი დამატებითი წვრთნის შემდეგ მოდელები საგრძნობლად გაუმჯობესდა და Mercedes-Benz-ის წარმოებაში ხარისხის მინიმალური დანაკარგით გადავიდა. რამდენად ბევრია 96%? ადამიანი ამ ერთფეროვან საქმეს თითქმის უშეცდომოდ ასრულებს, DeepMind-ის დირექტორმა, კანიშკა რაომ, კი Ars Technica-ს უთხრა, რომ დარჩენილი 4%-ის აღმოფხვრა „ციცაბო გზა“ იქნება.
200-ზე მეტი უნარი და ვირტუალური წვრთნა
ქარხნის გარეთ მოდელი 200-ზე მეტ დავალებაზე გამოსცადეს: მაშებით საჭმლის გადაღებაზე, სასაჩუქრე ყუთზე ბაფთის შეკვრასა და პიპეტით სითხის ამოღებაზე. Apollo 2-ს ხუთთითიანი მტევანი აქვს, თუმცა მოდელი ორმკლავიან პლატფორმა Franka Duo-ზეც მუშაობს, რომელსაც მარტივი, ორთითიანი მომჭერები უყენია. კომპანიის ლაბორატორიულ ტესტებში ის წინა მოდელებზე 20-დან 30%-მდე უფრო სწრაფია, წარმატების მაჩვენებელი კი, დავალების მიხედვით, 30-დან 100%-მდე გაიზარდა.
საწვრთნელად DeepMind-მა თავისი დიდი ენობრივი მოდელი, Gemini 4 Argon, სიმულაციის ძრავად გამოიყენა. კამერით გადაღებული რეალური სცენიდან ის ათასობით ვირტუალურ სავარჯიშოს ქმნის, მათ ნამდვილ დემონსტრაციებს ურევს, შეცდომებს აანალიზებს და გამოსწორების გზებსაც გვთავაზობს. გასათვალისწინებელია ერთი დეტალი: მოდელი კვლავ ღრუბლოვან სერვერებზე მუშაობს და არა თავად რობოტში, Google-ის სადემონსტრაციო ვიდეო კი ორჯერაა აჩქარებული.
უსაფრთხოება და ტყუილისგან დაცვა
მუშაობისას რობოტი საფრთხეებს იაზრებს და ჩერდება ან იცდის, თუ გზაზე ადამიანი ან დაბრკოლება შეხვდა. DeepMind-ის ტესტებში ადამიანების სიახლოვეს დავალების უსაფრთხოდ დასრულების მაჩვენებელი 43%-ით გაიზარდა. კომპანიამ Hugging Face-ზე ღია ტესტი ASIMOV-Jailbreak გამოაქვეყნა, რომელიც ასობით შენიღბული სახიფათო ბრძანებით ამოწმებს, მოტყუვდება თუ არა რობოტის AI. Gemini 4 Argon-მა მცდელობების 99,5% მოიგერია, ძველმა Gemini Robotics ER 2-მა კი, 82%.
DeepMind-ის რობოტიკის მიმართულების ხელმძღვანელი, კაროლინა პარადა, მთავარ დილემას ასე ხსნის: „შეგვიძლია ერთ კონკრეტულ საქმეში ვიყოთ ძალიან კარგები მრავალმხრივობის ხარჯზე, ან აქცენტი მრავალმხრივობაზე გავაკეთოთ და ყველა საქმეში 99,9-ს ვერ მივაღწიოთ“.
| ქარხნის ტესტის სიზუსტე | 96% (Mercedes-Benz-ის საპილოტე ხაზებზე) |
| გამოცდილი დავალებები | 200-ზე მეტი |
| Apollo 2-ის მტევანი | ხუთთითიანი, თავისუფლების 22 ხარისხი (22 DoF) |
| წარმატების ზრდა წინა მოდელებთან შედარებით | 30%-დან 100%-მდე |
| სიჩქარის მატება | 20%-დან 30%-მდე |
| უსაფრთხო მუშაობის ზრდა | +33% დაბრკოლებებთან, +43% ადამიანებთან |
| ASIMOV-Jailbreak-ისგან დაცვა | 99,5% (Gemini 4 Argon) vs 82% (Gemini Robotics ER 2) |
წყარო: Google DeepMind blog: Gemini Robotics 2.5, accelerating real-world physical intelligence (10 Nov 2026) | Ars Technica: DeepMind reveals Gemini Robotics 2.5 and open safety benchmark ASIMOV-Jailbreak (10 Nov 2026) | The Decoder: Gemini Robotics 2.5 scores 96 percent sorting metal parts in a Mercedes-Benz assembly pilot (10 Nov 2026) | Interesting Engineering: Gemini Robotics 2.5 scores 96% in factory trial after tackling 200 tasks (10 Nov 2026)
ეს სტატია შეიქმნა AI ხელსაწყოებით, პროცესში ადამიანის ჩართულობა დაახლოებით 10%-ია.

