Gemini Robotics 2.5 сортирует автодетали. Может ли завод использовать каждый комплект?
Google DeepMind сообщает о 96% успешных попыток в пилоте комплектования с Apollo 2. Следующие вопросы — точность комплекта, передача оператору и повторяемость времени цикла.
В ящике лежат два почти одинаковых металлических кронштейна. Один нужен для следующего лотка, второй предназначен для другой комплектации автомобиля. Неподходящий кронштейн может аккуратно поместиться в нужную ячейку. Робот, который точно переносит детали, выполнил полезную часть работы. Для завода работа завершена, когда комплект прибывает с нужными деталями в нужном порядке.
10 ноября 2026 года Google DeepMind представила Gemini Robotics 2.5 и сообщила, что начала предоставлять модель партнёрам по робототехнике. DeepMind сообщила о 96% успешных попыток в проверке концепции комплектования автодеталей вместе с Apptronik и Mercedes-Benz. В испытании использовали гуманоидного робота Apollo 2 компании Apptronik на действующих линиях в Кечкемете, Венгрия, и Зиндельфингене, Германия. Анонс и заводская демонстрация DeepMind · Описание Apollo 2 от Apptronik
Демонстрация важна тем, что ставит перед универсальной робототехнической моделью конкретную производственную задачу. Если проследить путь лотка целиком, оценка расскажет больше одного процента. Приходит ли нужный лоток вовремя и понимают ли сотрудники линии, что делать при сбое?

Завод Mercedes-Benz в Зиндельфингене, фотография 2014 года. Внешний вид одной из двух площадок испытания. Автор фотографии qwesy qwesy, Wikimedia Commons, CC BY 3.0. Размер изменён Telli.sh.
Комплектование показывает разницу между успешным захватом и правильной доставкой
Комплектование в автопроизводстве — сбор и раскладка деталей в порядке использования. В описании пилота Mercedes-Benz компания DeepMind упоминает контейнеры с запасом деталей и тару для раскладки в нужной последовательности. Apollo 2 переносил в неё металлические кронштейны. По данным DeepMind, Gemini Robotics ER отслеживала ход процесса, а Gemini Robotics 2.5 управляла кистями и руками робота. Компания называет Robotics 2.5 моделью «зрение, язык, действие», то есть системой, которая использует изображение и инструкции для выбора физических действий. Описание заводского испытания DeepMind
Схема комплектования автодеталей. Проверка перед передачей показывает возможное правило приёмки пилота. Иллюстрация Telli.sh по материалам DeepMind об испытании Mercedes-Benz. Пример и видео DeepMind
Пост комплектования связывает складской запас и следующую операцию сборки. Если кронштейна нет или лоток опаздывает, следующему сотруднику нужно видеть состояние и понимать, как завершить работу. Один удачный захват мало говорит об этой части процесса. Даже после нескольких правильных укладок один пропущенный элемент может потребовать исправления всего лотка.
Допустим, для лотка нужны три разных элемента. Первые две укладки верны. Третья механически тоже выглядит правильной, но в ячейке левый кронштейн от другой комплектации. При подсчёте укладок у робота могут оказаться три успешных действия. При подсчёте комплектов лоток требует исправления. Это упрощённый пример, а не ошибка, зафиксированная в пилоте Mercedes-Benz.
Польза модели рассуждений также зависит от определения исключения на посту. Ячейка может оставаться пустой, потому что деталь ещё не положили или потому что она не нужна для этой комплектации. Пост различит случаи, только если состояние задачи согласуется с утверждёнными производственными инструкциями. В публичном отчёте описано, как робот заполнял пропуски. Интеграция с учётом запасов, очередностью и обработкой исключений там не описана. Заводская проверка концепции DeepMind
Читайте показатель 96% вместе с единицей работы
В публикации от 10 ноября DeepMind сообщила о 96% успеха в пилоте. В ней нет знаменателя, разбивки по времени цикла или вмешательствам людей. Число показывает, какой результат заявили участники этой проверки концепции. Заводу для решения о расширении нужны количество правильных комплектов, пришедших вовремя, и диапазон условий, охваченных пилотом. Результат пилота, опубликованный DeepMind
Рассмотрим два условных толкования. Если 96% — это 96 полных комплектов из 100, четыре потребовали исправления по критериям испытания. Если 96% относятся к отдельным захватам, успех комплекта зависит от числа захватов и связи между отказами. При пяти независимых захватах с вероятностью успеха 96% вероятность пяти успехов составляет около 82%. Это лишь пример влияния знаменателя, а не оценка работы поста Mercedes-Benz. В реальности результаты отдельных захватов могут быть связаны.
Длительность тоже меняет сравнение. Робот может собирать большинство комплектов с первой попытки и долго ждать в нескольких трудных случаях. Среднее способно скрыть задержки в неподходящий момент. Вместе с числом переданных лотков сравнивайте обычные и медленные циклы. Укажите, останавливалась ли работа при запросе помощи или существующий процесс позволял посту продолжать работу.
| Вопрос для следующего пилота | Показатель | Почему это важно |
|---|---|---|
| Получает ли сотрудник правильные детали? | Полные комплекты в нужной последовательности, принятые с первой передачи | Захват может удаться без пригодного комплекта |
| Успевает ли пост за линией? | Распределение времени цикла, включая медленные случаи | Долгое ожидание влияет на следующую операцию |
| Кто обрабатывает исключения? | Вмешательства и время восстановления с разбивкой по причинам | Автоматизация захвата может переложить часть работы на людей |
| Сохраняется ли результат после изменения? | Те же показатели после согласованной смены детали или лотка | Надёжность одной конфигурации мало говорит о другой |
Четыре показателя, которые производство может собрать вместе с заявленной поставщиком долей успеха. Карточка описывает предложенную оценку и не содержит данных пилота Mercedes-Benz. Иллюстрация Telli.sh.
Переналадка показывает, какая часть процесса адаптировалась
По данным DeepMind, Gemini Robotics 2.5 проверили примерно на 200 разных задачах. В собственных тестах компания сообщила об улучшениях относительно прежних базовых вариантов. В задачи входили действия на столе и более сложные манипуляции. Способность работать с разными предметами обосновывает исследование универсальной модели. Для производства полезнее знать, сколько работы требует адаптация поста при изменении набора деталей. Оценка и примеры DeepMind
Начните с реальных причин переналадки. Поставщик может доставить деталь с другим покрытием. Новый модельный год может добавить похожий кронштейн. Начальник смены может переставить детали, если другой ячейке нужно место. Каждое изменение затрагивает свою часть задачи. Наблюдайте отдельно за распознаванием, захватом и правильной очередностью, даже если итоговый показатель — готовый комплект.
Представьте утверждённый контейнер с теми же деталями, разложенными иначе. Если нужно заново обучить процедуре, запишите затраченное время и ответственного. Если робот адаптируется без новой программы, измерьте число попыток до возврата прежней точности и пропускной способности. Сравнивайте всю переналадку, включая смену оснастки, конфигурацию и проверку. Универсальный робот может сэкономить именно эту работу, которую легко упустить в видео удачного прогона.
То же верно для другого вида поста. Успех со знакомыми кронштейнами полезен для комплектования, а переход к хрупким деталям требует других критериев. Могут измениться оснастка, контакт с деталью, правила по загрязнению и способ проверки повреждений оператором. Перенос означает, что следующий пост должен выполнить собственные требования после измеримого объёма дополнительной работы.
Включите передачу оператору в оценку
DeepMind описывает улучшения рекомендаций по физической безопасности в Robotics 2.5. Возможности модели — один из факторов оценки поста. Людям, отвечающим за ячейку, всё равно нужны чёткие ограничения эксплуатации и документированный порядок остановки и восстановления для фактического оборудования и среды. За это должны отвечать специалисты площадки по безопасности и интеграторы. Опубликованная оценка модели не устанавливает готовность конкретной установки к работе рядом с людьми. Раздел о безопасности DeepMind
Пробный прогон также показывает, какую информацию получают сотрудники. Если лоток остановился в середине процесса, может ли оператор определить заполненные ячейки и понять, продолжать работу или отложить лоток? Видимый статус, краткая причина и однозначный порядок передачи помогают избежать повторной диагностики с нуля.
Участие техников даёт практическую пользу. Они знают обычные вариации, какие пропуски можно закрыть на следующем шаге и какие требуют иной последовательности. Робот должен передавать сведения в той детализации, которая нужна для этих решений. Попросите техника, не участвовавшего в подготовке пилота, рассказать, что он сделает при отметке о проблемном комплекте. По ответу можно улучшить передачу.
Постройте следующее испытание вокруг нужного заводу лотка
- Выберите одну ограниченную ячейку и семейство деталей. Попросите производство и специалистов по безопасности определить обычный порядок, принятый процесс и причину попробовать там робота.
- Определите правильную доставку. Запишите детали, ячейки, порядок и допустимое время. Считайте доставленные лотки вместо отдельных захватов.
- Измерьте исходный процесс. Возьмите типичный период действующей работы, включая время цикла, обычные исключения и их влияние на следующий пост.
- Повторите с утверждёнными изменениями. Сравните исходную конфигурацию с обычными изменениями запасов или расписания, разрешёнными площадкой для испытания. Применяйте одинаковые правила приёмки до и после.
- Разберите результат с операторами и интеграторами. Выясните, что произошло в самых медленных и неудачных прогонах, и согласуйте, какие отказы нужно проверить дальше.
Это предлагаемые шаги оценки разрешённого производственного испытания, а не отчёт о действиях партнёров. Их проверка концепции даёт пример значимой задачи с понятным физическим результатом. Он помогает решить, что измерять на своей площадке, даже если команда не использует эту модель или робота.
Ведите отдельный лист на каждый прогон, чтобы сохранять правила интерпретации. Записывайте утверждённое семейство деталей, исходное условие, ожидаемую доставку, результат и время. При восстановлении отделяйте время простоя робота от времени активной работы человека. Короткая пауза робота и долгая задержка следующей операции — разные результаты, которые важны при планировании персонала.
Обратите внимание на границы сравнения. Сотрудник, выполняющий нынешнюю задачу, может также пополнять контейнеры или отмечать неправильную маркировку. Если робот захватывает детали, а человек берёт на себя остальное, комплектование всё равно может приносить пользу. Включите эту работу в описание, чтобы читатели и сотрудники завода видели, какие обязанности берёт ячейка и какие остаются у человека.
Пост успешен, когда следующий человек получает пригодный комплект
Результат Mercedes-Benz помогает ответить, пригодны ли адаптивные манипуляции для настоящей производственной линии. Следующее решение относится ко всему процессу. Надёжный пост регулярно передаёт правильные детали вовремя и показывает исключения так, чтобы работу можно было восстановить. Тогда другую фабрику можно познакомить с результатом, который она сможет оценить.
Источники
- Анонс, пилот и видео Google DeepMind о Gemini Robotics 2.5, 10 ноября 2026 года
- Описание Apollo 2 от Apptronik
- Фотография завода в Зиндельфингене, автор qwesy qwesy
Чтобы находить обсуждения и решения по итогам пилота, создайте аккаунт Telli.sh.