Gemini научили управлять гуманоидом — и это плохая новость не для людей

Общепринятая версия происходящего звучит оптимистично: крупная языковая модель становится универсальным мозгом для роботов. Google DeepMind представила Gemini Robotics в марте 2025 года как модель, способную связывать визуальное восприятие, язык и физические действия. Робот получает команду вроде «возьми предмет и положи его в контейнер», анализирует сцену и формирует последовательность движений, а не только текстовый ответ.

Однако поворот начинается там, где заканчивается эффектная демонстрация. Google заявляет, что Gemini Robotics тестировали на нескольких роботизированных платформах и обучали обобщать навыки между разными конфигурациями. Параллельно компания показала Gemini Robotics-ER — модель для пространственного рассуждения, которая определяет объекты, оценивает расстояния и планирует действия. Но это не единый автономный разум: одна система рассуждает, другая отвечает за управление, а безопасность и низкоуровневую стабилизацию остаются отдельными слоями.

А что если Gemini Robotics — не доказательство того, что гуманоиды наконец «поумнели», а доказательство обратного? Их универсальность пока держится на способности модели быстро переучиваться под новые задачи, но не отменяет физику: скользкий предмет, плохое освещение или неожиданное препятствие требуют точного восприятия и контроля за доли секунды. В партнёрстве с производителем гуманоидов Apptronik Google проверяет Gemini на роботе Apollo, однако публичные материалы не показывают массовую эксплуатацию, автономную работу без операторов или гарантированную безопасность в домашних условиях.

Именно здесь меняется смысл новости. Главная ценность Gemini для робототехники — не в том, что модель самостоятельно «оживляет» гуманоида, а в снижении стоимости программирования. Вместо отдельного кода для каждой задачи разработчики получают общий интерфейс: язык, изображение и демонстрация действия. Google также представила локальную версию Gemini Robotics On-Device, работающую непосредственно на роботе, что уменьшает зависимость от облака и задержки. Но локальный запуск не превращает экспериментальную систему в работника: он лишь делает ошибки быстрее и дешевле.