Роботы давно умеют выполнять отдельные команды, но их способность к рассуждению, координации и сложным многошаговым задачам была ограничена. Google выпустил Gemini Robotics ER 2 — новую модель, которая меняет это, предлагая инженерам инструменты для создания по-настоящему автономных систем.
Google представил две новые конечные точки модели Gemini Robotics ER 2, доступные для публичного предварительного просмотра:
- gemini-robotics-er-2-preview — для расширенного пространственного мышления, выполнения агентского кода, оркестрации многошаговых инструментов, нахождения моментов видео и координации нескольких роботов.
- gemini-robotics-er-2-streaming-preview — оптимизирована для потоковой передачи текста в реальном времени через Live API. Это обеспечивает низкую задержку для роботов-агентов, работающих с двунаправленным аудио- и видеовходом. Обе конечные точки принимают текстовые, графические, видео- и аудиовходы. Они также поддерживают вызов функций с блокирующим поведением, что позволяет роботам выполнять физические действия.
Модель Gemini Robotics ER 2 разработана для высокоуровневого управления роботами. Она позволяет им рассуждать, сотрудничать и решать реальные задачи, улучшая понимание видео, оркестрацию инструментов и взаимодействие нескольких роботов. Это роботов в понимании окружающей среды с повышенной точностью. Модель специализируется на рассуждении, критически важном для робототехники, включая визуальное и пространственное понимание, планирование задач и обнаружение успеха.
В основе Gemini Robotics ER 2 лежит модель Gemini 3.5 Flash, что расширяет её пространственные, временные и физические возможности рассуждения. Модель работает с контекстным окном до 128 тысяч токенов и генерирует текстовый вывод объемом до 64 тысяч токенов. Она обучена на датасетах Gemini 3.5, дополненных данными, которые отражают различные задачи, связанные с воплощённым рассуждением. Google также сообщил, что модель gemini-robotics-er-1.6-preview будет отключена 31 августа 2026 года, требуя перехода на новую версию.
Выпуск Gemini Robotics ER 2 с двумя специализированными конечными точками подчёркивает смещение фокуса Google на высокоуровневое управление роботами и их автономность. Переход на ER 2 с Gemini 3.5 Flash как базовой модели обещает прирост в способностях. Однако реальные сценарии внедрения и независимые оценки эффективности в сложных промышленных или бытовых условиях ещё предстоит увидеть.