Google DeepMind udostępnia Gemini Robotics-ER 2, model uczy roboty współpracować ze sobą

Google DeepMind ogłosił 30 lipca 2026 roku model Gemini Robotics-ER 2, który ma pełnić funkcję "wysokopoziomowego mózgu" dla robotów. Nowość polega na tym, że różne maszyny, od czteronożnego Spota po humanoidalne Apollo 2, mogą teraz dzielić się zadaniami i informować się nawzajem o postępach pracy, zamiast działać w pełnej izolacji.

Co nowego w ER 2

Gemini Robotics-ER 2 różni się od poprzedników tym, że planuje kolejne kroki działania w trakcie ruchu robota, a nie w przerwach na "zastanowienie się". Model analizuje obraz z kamer w czasie rzeczywistym, monitoruje postęp wykonywanego zadania i sam koryguje błędy, gdy coś pójdzie nie tak.

Google DeepMind opisuje ER 2 jako skok jakościowy w rozumieniu wideo, organizacji zadań i współpracy wielu robotów naraz. Model potrafi też wywoływać narzędzia zewnętrzne, na przykład wyszukiwarkę Google albo funkcje zdefiniowane przez programistę, co pozwala robotowi sięgnąć po informacje spoza własnych czujników.

Jak wygląda współpraca robotów

W demonstracjach pokazanych przy premierze różne typy robotów dzielą się zadaniami zgodnie z własnymi ograniczeniami fizycznymi. Roboty na kołach zajmują się pracą w pomieszczeniach z równą podłogą, a maszyny kroczące, jak Spot czy Apollo 2, przejmują zadania na nierównym terenie. Wspólne rozumienie sytuacji przez wszystkie maszyny ma pozwolić im koordynować kolejność działań bez dodatkowego nadzoru człowieka.

W jednej z prezentacji Spot został podłączony do własnego interfejsu programistycznego Boston Dynamics i wykonywał zadania polegające na przynoszeniu przedmiotów, co miało pokazać, że model ER 2 nadaje się do wdrożeń na istniejącym sprzęcie, a nie tylko na prototypach Google.

Bezpieczeństwo przy ludziach

Google podkreśla poprawę wyników w testach bezpieczeństwa względem ER 1.6, między innymi w zakresie przestrzegania instrukcji bezpieczeństwa i reagowania na bliskość człowieka. Model potrafi samodzielnie zatrzymać robota, gdy w jego pobliżu pojawi się osoba, co ma ograniczać ryzyko kolizji przy pracy w tej samej przestrzeni co ludzie.

Rozszerzono też zdolność odczytywania wskazań przyrządów, model rozpoznaje teraz dziesięć typów urządzeń pomiarowych, oraz poprawiono odpowiadanie na pytania dotyczące obrazu z kamer robota.

Znaczenie dla branży

ER 2 to model warstwy planowania i rozumowania, a nie sterowania ruchem ciała robota, ta funkcja należy do osobnej rodziny Gemini Robotics. Google rozdziela więc zadania: jeden model odpowiada za to, co robot powinien zrobić i w jakiej kolejności, a inny za to, jak fizycznie wykona ruch.

Dla firm wdrażających floty robotów w magazynach, fabrykach czy centrach logistycznych oznacza to możliwość łączenia sprzętu różnych producentów pod jednym systemem decyzyjnym, zamiast programowania osobnej logiki koordynacji dla każdego typu maszyny z osobna. Publiczny dostęp przez Gemini API obniża też próg wejścia dla mniejszych integratorów, którzy wcześniej nie mieli zasobów na budowę własnych systemów planowania.

Model trafia do deweloperów w momencie, gdy rywalizacja o rynek robotyki opartej na dużych modelach językowych przyspiesza, a firmy takie jak Boston Dynamics czy Apptronik coraz częściej integrują swój sprzęt z zewnętrznymi warstwami rozumowania zamiast budować własne systemy AI od podstaw.