Google DeepMind создала роботов, решающих сложные задачи с помощью ИИ

По данным зарубежных СМИ, компания Google DeepMind представила обновленные модели искусственного интеллекта, позволяющие роботам выполнять более сложные задачи. В рамках пресс-брифинга руководитель направления робототехники Google DeepMind Каролина Пада (Carolina Parada) сообщила, что новые модели работают в паре и позволяют роботам планировать свои действия на несколько шагов вперед.

На базе обновленной версии Gemini Robotics 1.5 и модели Gemini Robotics-ER 1.5 роботы могут не только выполнять одиночные команды, но и решать комплексные задачи. Например, они способны сортировать белье по цвету, упаковывать чемодан с учетом погоды в Лондоне или сортировать мусор, обращаясь к веб-ресурсам, адаптированным под местные правила.

Технические особенности и сценарии применения

Новые алгоритмы позволяют роботам анализировать окружающую обстановку и использовать цифровые инструменты, такие как Google Search, для получения дополнительной информации. Модель Gemini Robotics-ER 1.5 преобразует полученные данные в естественно-языковые инструкции для другой модели — Gemini Robotics 1.5, которая затем выполняет каждую стадию задачи, опираясь на визуальные и лингвистические данные.

Это открывает возможности для применения таких систем в быту, на производстве и в логистике, где требуется адаптивность и способность к решению нестандартных задач.

Перенос навыков между роботами

Кроме того, Google DeepMind заявила, что модель Gemini Robotics 1.5 позволяет роботам «обучаться» друг у друга, даже если их конструкции различны. Проверенные сценарии, выполненные на роботе ALOHA2 с двумя механическими руками, успешно переносятся на роботов Franka и Apollo от Apptronik. Это упрощает управление разными типами роботов с помощью единой модели и позволяет переносить навыки с одного устройства на другое.

Умение роботов не только выполнять, но и адаптироваться к новым условиям через взаимодействие с цифровыми инструментами и другими устройствами может стать ключевым фактором их внедрения в реальный сектор экономики. Такие технологии уже сейчас создают предпосылки для масштабной автоматизации в сферах, где требуется гибкость и контекстное мышление.

Когда роботы учатся у роботов: как Google DeepMind меняет парадигму автоматизации

Развитие искусственного интеллекта в робототехнике выходит за рамки узкоспециализированных задач. Новые модели Google DeepMind демонстрируют не просто улучшение в исполнении команд, а переход к системному мышлению. Роботы теперь способны планировать свои действия на несколько шагов вперед, использовать интернет-данные и адаптироваться к различным конструкциям. Это не случайный шаг вперед, а часть более широкой трансформации — переход от однозадачных автоматов к гибким агентам, способным на самообучение и перенос опыта.

Особый интерес представляет способность роботов взаимодействовать между собой. Модель Gemini Robotics 1.5 позволяет переносить навыки с одного устройства на другое, что снижает порог входа для промышленных и бытовых пользователей. Вместо необходимости обучать каждую машину отдельно, можно создать единую систему, которая обучается на одном устройстве и масштабируется на других. Это снижает затраты на обучение и ускоряет внедрение решений в реальный сектор экономики.

Ключевая идея: Возможность переноса навыков между разными роботами снижает технический и финансовый барьер для внедрения ИИ-робототехники, что делает её доступной для более широкого круга компаний, включая российские.

Кроме того, использование встроенных цифровых инструментов, таких как Google Search, позволяет роботам обращаться к актуальным данным в реальном времени. Например, упаковка чемодана с учетом погоды в Лондоне — это не просто выполнение команды, а способность анализировать внешнюю информацию и принимать решения на её основе. Такой подход приближает роботов к поведению человека, что особенно важно для сфер, где требуется контекстное мышление и адаптивность.

Главный вывод: Интеграция ИИ с цифровыми сервисами создает новую экосистему, где роботы не только выполняют задачи, но и «думают», используя данные из внешней среды, что расширяет их применимость в логистике, производстве и быту.

Для российских компаний, особенно тех, которые стремятся автоматизировать процессы, такие технологии могут стать катализатором. Они снижают зависимость от ручного труда и позволяют масштабировать решения без значительных затрат на перепроектирование. При этом важно учитывать, что такие системы требуют не только технической инфраструктуры, но и новых подходов к управлению, обучению и мониторингу.

Тренд: Гибкость и самообучаемость становятся ключевыми конкурентными преимуществами в робототехнике. Компании, которые оперативно внедрят такие модели, смогут выиграть в скорости адаптации к изменениям рынка.

Новые возможности от Nvidia и Wayve: роботы становятся умнее и автономнее

В дополнение к достижениям Google DeepMind, Nvidia также активно развивает инфраструктуру для автономных систем. Компания представила вычислительный модуль Jetson Thor, который позволяет роботам обрабатывать данные в реальном времени и принимать решения без задержек. Это особенно важно для задач, требующих мгновенного реагирования, например, в промышленной автоматизации или логистике.

Кроме того, Nvidia инвестирует 2,6 млрд долларов в развитие ИИ-экосистемы Великобритании, включая финансирование стартапа Wayve. Компания разрабатывает систему автономного вождения на основе самообучающихся нейросетей, совместимую с существующими датчиками. Это снижает затраты на модернизацию транспорта и делает автономные технологии более доступными.

Россия ускоряет импортозамещение в робототехнике

На фоне глобальных инноваций, российские компании также активизируются. Компания Robowizard начала серийное производство позиционеров для промышленных роботов, что расширяет возможности автоматизации сварки, окраски и механической обработки. Устройства изготавливаются в Санкт-Петербурге на основе собственных разработок и с участием отечественных предприятий, что способствует увеличению доли импортозамещающих компонентов в робототехнических решениях.

Это важный шаг в условиях санкционного давления, когда зависимость от иностранных компонентов становится риском. Увеличение доли отечественных решений позволяет российским предприятиям сохранять стабильность и сокращать затраты на импорт.

Рост инвестиций в ИИ-инфраструктуру: глобальные игроки ускоряются

В то же время, глобальные игроки продолжают масштабировать свои усилия. OpenAI, Oracle и SoftBank инвестируют более 400 млрд долларов в строительство пяти новых центров обработки данных в США. Эти центры обеспечат дополнительные мощности свыше 5,5 гигаватт, что необходимо для удовлетворения растущего спроса на ИИ-услуги, такие как ChatGPT.

Для российских компаний, рассматривающих возможность интеграции ИИ-робототехники, важно не только оценивать доступные решения, но и учитывать тенденции глобальных рынков. Рост инвестиций в ИИ-инфраструктуру может повлиять на стоимость и доступность технологий, а также на конкуренцию на рынке.

Резюме: интеграция, масштабирование и импортозамещение

Робототехника переживает фазу качественного скачка. Если раньше роботы были узкоспециализированными автоматами, сегодня они становятся гибкими, самообучающимися системами, способными адаптироваться к изменяющимся условиям. Это открывает новые возможности для российских компаний, особенно в условиях роста цен на труд и необходимости повышения эффективности.

Ключевые направления для российских бизнесов:

• Интеграция ИИ с цифровыми сервисами (поиск, данные, обработка информации).
• Перенос опыта между роботами для снижения затрат на обучение.
• Увеличение доли отечественных компонентов в робототехнических решениях.
• Мониторинг глобальных трендов и инвестиций в ИИ-инфраструктуру.

Вывод: Робототехника, основанная на ИИ, становится не просто инструментом оптимизации, а стратегическим ресурсом для российских компаний. Те, кто начнёт внедрять эти технологии сейчас, получат преимущество в условиях быстро меняющегося рынка.