Humanoid, który wreszcie używa nóg

30 lipca Google DeepMind opublikował Gemini Robotics 2, a pokaz niosący całe wydanie przedstawia robota Apptronik Apollo 2, który idzie, kuca, wyciąga się i sprząta zagracony pokój. Twierdzenie techniczne pod spodem jest węższe i ciekawsze niż nagranie: po raz pierwszy system steruje całym humanoidem, nogami, tułowiem, ramionami i dłońmi o wielu palcach, poprzez jedną wspólną politykę, a nie sterownik chodu przykręcony do osobnego stosu manipulacji.

Tam właśnie leży inżynieria. Robot, który musi zdecydować, czy podejść o krok bliżej, czy sięgnąć dalej, rozwiązuje jeden problem, a nie dwa, a poprzednia generacja nie mogła dokonać tego wyboru, bo jej połowy były sterowane osobno. Gemini Robotics 2 wykonuje też zadania trwające kilka minut, z setkami punktów decyzyjnych, koordynując się przy tym z drugim robotem.

Trzy modele, troje różnych drzwi

To wydanie nie jest jedną rzeczą. Składa się z Gemini Robotics 2, modelu wizja-język-działanie sterującego pełnymi humanoidami i robotami dwuramiennymi; z Gemini Robotics ER 2, ucieleśnionego modelu rozumowania, który pełni rolę mózgu planującego, porządkuje pracę wieloetapową i dyryguje kilkoma maszynami; oraz z Gemini Robotics On-Device 2, wersji przystosowanej do pracy lokalnej bez połączenia sieciowego.

Poziomy dostępu nie idą w parze z zapowiedzią. Gemini Robotics ER 2 jest dostępny od zaraz w Google AI Studio dla każdego programisty, wraz z prywatną wersją zapoznawczą na Gemini Enterprise Agent Platform. Oba modele, które faktycznie wytwarzają działania robota, pozostają zastrzeżone dla zarejestrowanych partnerów z wczesnym dostępem. Model, który możecie dziś wywołać, rozumuje o scenie fizycznej i zwraca plan. Modele, które poruszają maszyną, stoją za bramą.

Czytajcie całą tabelę, a nie najlepszy wiersz

Google opublikował wskaźniki skuteczności dla poszczególnych zadań, czyli więcej jawności, niż zwykle towarzyszy takim zapowiedziom, i te liczby zasługują na lekturę w całości. Na robocie Apollo z dłońmi Inspire ogólna manipulacja całym ciałem uzyskała 76,3 procent przy chwytaniu z półki, 68,4 procent ze stołu i 45,7 procent z podłogi. Na Franka Duo z chwytakami wyniki są lepsze: 74,2 procent przy ogólnym podnoszeniu i odkładaniu, 78,9 procent przy kompletowaniu różnych narzędzi i 89,6 procent przy precyzyjnym wsuwaniu.

Uczciwość mieszka w wynikach wielopalcowych. Wykręcenie żarówki osiągnęło 92 procent. Pozostałe zadania wielopalcowe wylądowały między 32 a 44 procent. Sześćdziesiąt punktów rozpiętości wewnątrz jednej zdolności to nie kwestia zaokrąglenia, lecz sygnał, że zręczność pozostaje problemem badawczym z kilkoma rozwiązanymi narożnikami. Każdy, kto poda wam 92 bez 32, sprzedaje pokaz.

Liczbą, która zmienia ekonomię, jest 200

Pod nagraniami humanoida leży dana o skutkach handlowych. DeepMind podaje, że nową postać robota dwuramiennego można dostosować w kilka godzin przy mniej niż 200 przykładach, mimo różnic kształtu, czujników i stopni swobody, i wymienia platformy Dexmate, SO101 oraz Trossen obok sprzętu Apollo i Franka.

Zbieranie danych dla każdego robota z osobna było strukturalnym kosztem robotyki przemysłowej. Każde nowe ramię, chwytak czy rama wymagały dotąd własnej kampanii teleoperacji, a ten wydatek trzymał sprawne modele przywiązane do sprzętu, na którym je wyszkolono. Jeśli kilkaset przykładów naprawdę przenosi politykę między postaciami robotów, bariera przesuwa się ze zbierania danych na integrację, a integracja to coś, co średniej wielkości polska firma inżynieryjna już umie sprzedawać.

Co europejski operator naprawdę z tym zrobi w 2026 roku

Użytecznym produktem w tym kwartale jest model rozumowania i nie jest to mało. ER 2 przyjmuje wideo, rozumie scenę fizyczną, porządkuje zadania wieloetapowe i koordynuje więcej niż jedną maszynę, co pasuje do tras inspekcyjnych, kolejkowania zadań magazynowych i warstw planowania nad robotami, które już macie. Jest dziś osiągalny z Europy przez Google AI Studio i jest właściwym miejscem na mały, ograniczony pilotaż.

Czego nie udźwignie, to plan inwestycyjny. Google przedstawia rzecz jako wczesne badania bez wdrożeń konsumenckich w najbliższym czasie, każde pokazane działanie wymagało osobnego treningu przez teleoperację, wideo i symulację, a Engadget przypomniał historię branży pełną pokazów humanoidów po cichu wspartych ukrytymi operatorami. DeepMind przedstawił też ASIMOV-Agentic, miernik tego, czy zlecone działanie mogłoby skończyć się szkodą, a szefowa robotyki Carolina Parada ujęła to wprost: "Pojawi się dużo niepewności i dlatego chcemy móc głębiej zrozumieć kwestię bezpieczeństwa." Zaplanujcie budżet na pilotaż planisty, a nie na humanoida przy waszej linii.

Czytaj dalej: 87 lat runęło przed odpowiedzią, którą każdy może sprawdzić  |  Sztandarowy model Google jest spóźniony i nie ma nowej daty