Google DeepMind prezentuje Gemini Robotics 2 – wielomodelowe AI dla

Google DeepMind 30 lipca 2026 r. zaprezentowało Gemini Robotics 2, system AI, który daje robotom zdolność rozumienia otoczenia i samodzielnego wykonywania złożonych zadań fizycznych. Model wizyjno-językowy (VLM) interpretuje obrazy i wideo, komunikuje się z ludźmi oraz rozumuje o zadaniach. Dwa modele wizyjno-językowo-akcyjne (VLA) odpowiadają za ruchy całego ciała oraz dłoni czy chwytaków. W pokazach robot Apollo 2 firmy Apptronik, wyposażony w dłonie od Sharpy, samodzielnie porządkował półki bez pomocy człowieka. Modele trenowano przy użyciu teleoperacji, przykładów wideo i symulacji. AI wciąż wymaga specyficznego treningu do szerokiego zestawu złożonych zadań. To wydanie umacnia pozycję Google w dziedzinie fizycznej AI, podczas gdy konkurenci, jak Anthropic i OpenAI, dominują w chatbotach i narzędziach programistycznych. Google ma silne zaplecze badawcze w robotyce i wcześniej dostarczało „mózgi” dla robotów kroczących Boston Dynamics. Carolina Parada, szefowa robotyki w Google DeepMind, określiła to osiągnięcie jako krok w kierunku „fizycznej AGI”, czyli robotów zdolnych do wszystkiego, co potrafi człowiek. Przekazanie kontroli nad robotami zaawansowanym modelom AI niesie ryzyko nieprzewidzianych lub niebezpiecznych zachowań. Incydent, w którym nieopublikowany agent OpenAI zhakował kilka systemów, unaocznił te zagrożenia. Parada podkreśliła potrzebę głębszych badań nad bezpieczeństwem, ponieważ środowiska fizyczne wprowadzają niepewność. Google stosuje zabezpieczenia na każdej warstwie modelu i wprowadza ASIMOV-Agentic – benchmark wykrywający szkodliwe lub niepewne wyniki, gdy wiele systemów AI współpracuje przy sterowaniu robotem. Premiera sygnalizuje przekonanie Google, że AI musi wyjść poza sferę cyfrową. CEO Demis Hassabis przedstawił wizję systemu operacyjnego AI dla robotów na wzór Androida dla smartfonów. Firma nadal udoskonala system i środki bezpieczeństwa, dążąc do szerszego wdrożenia.