Робот, который не обладал способностью мыслить, теперь способен читать рукописные заметки
Робот считывает рукописную записку, направляется к обуви, расставляет её по местам, подбирает банки и складывает одежду в корзину. В конце он берет поводок и выводит собаку на прогулку. Это не очередная фантазия разработчиков — именно так Boston Dynamics продемонстрировала интеграцию языковой модели Gemini Robotics-ER 1.6 от Google DeepMind в своего четвероногого робота.
Ранее Spot действовал по заранее прописанным сценариям. Инженеры указывали каждое движение: куда идти, что брать, как поворачивать манипулятор. Если обстановка менялась, робот терялся. Теперь ситуация иная: Spot наблюдает за окружающей средой с помощью камер, языковая модель анализирует изображение и текстовую задачу, а затем самостоятельно формирует план действий.
Технически это называется VLA-архитектурией — vision-language-action. Проще говоря, это три уровня: зрение, понимание языка и физическое действие. Модель не просто распознает объекты — она осознает, что с ними делать в конкретном контексте. Если написано «убери обувь», Spot самостоятельно определяет, где она расположена, как к ней подойти и куда её переместить.
Основная цель обновления — это не домашние задачи, а промышленное применение. Spot уже применяется на заводах, нефтехимических объектах и в дата-центрах. Там робот осуществляет патрулирование территории, снимает показания манометров, обнаруживает лужи на полу, тепловые аномалии и открытые двери. С новой моделью он делает это без участия человека-оператора: самостоятельно фиксирует проблемы, классифицирует их и передает сигналы.
Для промышленных заказчиков это имеет ключевое значение. Ранее каждое новое задание требовало перепрограммирования робота. Теперь достаточно задать задачу текстом, и Spot сразу адаптируется. Это значительно снижает стоимость внедрения и расширяет перечень сценариев без дополнительных затрат на разработку.
Технологии продолжают развиваться, и на той же демонстрации Spot схватил банку боком — это выглядело неловко, как у человека с онемевшей рукой. Небольшая ошибка, но показательна: модель пока не ощущает физику предметов так, как это делаем мы. У людей это понимание формируется годами через тактильный опыт. У Spot есть лишь камеры и данные — осязания нет.
Именно поэтому Boston Dynamics не спешит с массовым производством. Компания реализует технологию поэтапно, собирая отзывы клиентов и устанавливая пороговые показатели надежности. Главный критерий — минимальное количество ложных срабатываний. Если робот будет часто ошибаться, доверие к нему быстро снизится, и никакой ИИ это не сможет компенсировать.
Сотрудничество Boston Dynamics и Google DeepMind началось в начале 2025 года. Gemini Robotics-ER 1.6 — это первый публичный результат их совместной работы. Следующим шагом, по словам обеих компаний, станет улучшение понимания физического мира через новые обучающие сценарии и более строгие поведенческие стандарты.
Фото: hi-tech.mail.ru