Google DeepMind pokazuje Gemini Robotics 2, model steruje całym ciałem humanoidów

Google DeepMind ogłosiło 30 lipca 2026 roku premierę Gemini Robotics 2, nowej generacji modeli sztucznej inteligencji przeznaczonych do sterowania robotami humanoidalnymi. W przeciwieństwie do poprzednich wersji, które skupiały się głównie na sprawności rąk, nowy system kontroluje całe ciało robota, od stóp po palce, i pozwala maszynom chodzić, kucać i wykonywać precyzyjne ruchy w jednym spójnym łańcuchu decyzyjnym.

Trzy modele zamiast jednego

Gemini Robotics 2 to w istocie zestaw trzech powiązanych systemów. Sam Gemini Robotics 2 to model wizyjno-językowo-akcyjny (VLA), który zamienia obraz z kamer i polecenia w języku naturalnym na konkretne ruchy silników. Gemini Robotics ER 2 pełni funkcję wyższego poziomu planowania, rozbija złożone zadanie na etapy, śledzi postęp na podstawie ciągłego strumienia wideo i potrafi wywoływać zewnętrzne narzędzia, na przykład wyszukiwarkę Google, gdy robot potrzebuje dodatkowej informacji. Trzeci element, Gemini Robotics On-Device 2, działa lokalnie na samym urządzeniu, bez połączenia z serwerami w chmurze, co ma znaczenie w miejscach o słabym łączu lub przy zadaniach wymagających natychmiastowej reakcji.

Autorzy modelu ER 2, Steven Hansen i Peng Xu z Google, podkreślają w opisie technicznym, że system pełni rolę wysokopoziomowego mózgu dla robota, komunikuje się z ludźmi, rozumie kontekst fizyczny otoczenia i koordynuje pracę wielu maszyn działających w tej samej przestrzeni. To ostatnie ma znaczenie praktyczne w halach produkcyjnych, gdzie kilka robotów pracuje obok siebie i musi unikać kolizji oraz dublowania czynności.

Sprawność wciąż daleka od ludzkiej

Liczby opublikowane przez DeepMind pokazują, że system radzi sobie dobrze, ale nie bezbłędnie. Skuteczność podnoszenia przedmiotów sięga 68,4 procent przy pracy na blacie stołu i 76,3 procent przy sięganiu na półkę, a przy zadaniach wymagających precyzyjnego wkładania elementów w gniazda wynik rośnie do 89,6 procent. To wciąż zauważalny margines błędu jak na zadania, które człowiek wykonuje niemal automatycznie, jak wiązanie węzła, zaciąganie zamka błyskawicznego czy wkręcanie żarówki.

Bloomberg, który jako pierwszy opisał premierę, zwrócił uwagę właśnie na tę lukę między zapowiedziami a rzeczywistą sprawnością manualną robotów, co odzwierciedla tytuł jego materiału o Gemini AI dla robotów zmagających się z precyzją ruchów. Konkurenci, w tym firmy rozwijające własne modele fizycznej sztucznej inteligencji, mierzą się z tym samym problemem, chwyt i manipulacja drobnymi przedmiotami wciąż są jednym z najtrudniejszych zadań w robotyce, mimo postępów w rozumowaniu językowym tych samych systemów.

Partnerzy sprzętowi

Gemini Robotics 2 nie działa w próżni, DeepMind od miesięcy buduje sieć producentów sprzętu, którzy testują kolejne wersje modelu na własnych maszynach. Apptronik integruje system ze swoim humanoidem Apollo 2, Boston Dynamics wykorzystuje go w Atlasie i czworonożnym Spocie, a Agile Robots i Franka, twórca platformy F3 Duo, testują go w zadaniach przemysłowych. Wcześniejsze zapowiedzi mówiły o planach testów robotów napędzanych Gemini w fabrykach Hyundaia, gdzie maszyny mają próbować wykonywać zadania montażowe.

Bezpieczeństwo i dostępność

Wraz z nowymi modelami DeepMind opublikowało też Safety Technical Report oraz benchmark ASIMOV-Agentic, który ma oceniać bezpieczeństwo działania agentów robotycznych w bliskim kontakcie z ludźmi. W testach dotyczących przestrzegania instrukcji bezpieczeństwa i utrzymywania bezpiecznej odległości od człowieka, ER 2 wypada konsekwentnie lepiej niż poprzednia wersja ER 1.6. Modele są już dostępne przez Gemini API i Google AI Studio, a dla wybranych klientów także w prywatnym podglądzie na platformie Gemini Enterprise Agent.

Dla polskiego rynku premiera ma na razie znaczenie głównie pośrednie, żaden z wymienionych partnerów sprzętowych nie ma jeszcze zapowiedzianych wdrożeń nad Wisłą, a robotyka humanoidalna pozostaje w fazie testów przemysłowych nawet w Stanach Zjednoczonych i Korei Południowej. Tempo, w jakim Google DeepMind aktualizuje kolejne generacje modeli, od pierwszego Gemini Robotics w marcu 2025 roku, przez wersję On-Device w czerwcu tego samego roku, po dzisiejszą premierę, pokazuje jednak, że firma traktuje fizyczną sztuczną inteligencję jako jeden z priorytetów obok samych modeli językowych.