Kāpēc jūsu vietējo rūpnīcu drīzumā varētu pārvaldīt robots ar „vizuālo melnrakstu”

Iedomājieties nenogurdināmu praktikantu, kurš klīst pa plašu industriālo kompleksu. Šim praktikantam nevajag kafiju, viņam nekad neapnīk tūkstošo reizi skatīties uz vienu un to pašu manometru, un tagad viņš spēj atšķirt nedaudz vaļīgu skrūvi no katastrofālas cauruļvada kļūmes ar pieredzējuša inženiera precizitāti. Šī nav aina no zinātniskās fantastikas filmas; tas ir taustāms rezultāts jaunākajai sadarbībai starp Google DeepMind un Boston Dynamics.

2026. gada 14. aprīlī Google paziņoja par Gemini Robotics-ER 1.6 izlaišanu — specializētu mākslīgā intelekta modeli, kas izstrādāts, lai piešķirtu tādiem robotiem kā četrkājainajam Spot „iemiesotu spriestspēju” (embodied reasoning). Vienkāršāk sakot, tas nozīmē, ka robots vairs nav tikai tālvadības kamera. Tas sāk izprast fizisko pasauli, kurā atrodas, pārvēršoties no vienkārša rīka par autonomu inspektoru, kas spēj nolasīt analogās skalas un identificēt instrumentus nekārtīgā telpā ar gandrīz cilvēka precizitāti.

„Aklā” robota ēras beigas

Vēsturiski roboti ir bijuši izcili atkārtotu darbību veikšanā, bet briesmīgi novērotāji. Ja jūs ieprogrammētu robota roku automašīnas durvju punktmetināšanai, tā to paveiktu perfekti miljons reižu. Tomēr, ja šīs automašīnas durvis tiktu pavirzītas par pieciem centimetriem pa kreisi, robots, visticamāk, turpinātu metināt gaisu. Šis pielāgošanās spēju trūkums ir ierobežojis robotu izmantošanu stingri kontrolētā vidē, piemēram, uz montāžas līnijām.

Šī jaunā atjauninājuma pamatā ir kaut kas, ko Google sauc par „aģentisko redzi” (agentic vision). Domājiet par to kā par vizuālo melnrakstu. Kad robots skatās uz sarežģītu ainu — piemēram, 50 dažādu analogo mērierīču sienu novecojušā spēkstacijā —, tas ne tikai uzņem fotoattēlu. Tas izmanto AI modeli, lai „norādītu” uz konkrētiem elementiem, izpildītu nelielus koda fragmentus, lai pārbaudītu redzēto, un izdarītu secinājumus, balstoties uz datiem.

Praktiski runājot, tas ir izraisījis milzīgu lēcienu veiktspējā. Iepriekšējā šī modeļa versija, 1.5, pareizi nolasīja instrumentus tikai aptuveni 23 procentos gadījumu. Jaunais 1.6 modelis ir palielinājis šo precizitāti līdz satriecošiem 98 procentiem. Vidējam lietotājam tā ir atšķirība starp GPS, kas ik pa laikam liek iebraukt ezerā, un tādu, kas bez piepūles izved cauri sarežģītam piecu ceļu krustojumam.

Kāpēc analogie mērinstrumenti joprojām ir svarīgi digitālajā pasaulē

Varētu šķist neloģiski tērēt miljoniem dolāru, lai iemācītu augsto tehnoloģiju robotu sunim nolasīt 50 gadus vecu analogo termometru. Kāpēc gan vienkārši nenomainīt termometru pret digitālo sensoru, kas sūta datus uz mākoni?

Skatoties uz kopējo ainu, globālais industriālais mugurkauls ir neticami izturīgs — un neticami vecs. Katra manuālā vārsta, līmeņrāža un manometra nomaiņa naftas pārstrādes rūpnīcā vai Hyundai automobiļu rūpnīcā izmaksātu miljardus un prasītu mēnešiem ilgu dīkstāvi. Ir daudz mērogojamāk piešķirt robotam „acis”, lai tas nolasītu esošo aprīkojumu, nekā pārbūvēt pasauli, lai tā būtu piemērota robotam.

Šeit partnerība ar Boston Dynamics kļūst kritiski svarīga. Viņu robots Spot jau tiek izmēģināts Hyundai Motor Group piederošajās telpās. Izmantojot Gemini Robotics-ER 1.6, Spot tagad var veikt „daudzskatu spriešanu” (multi-view reasoning). Tas var izmantot savas dažādās kameru plūsmas, lai izprastu vidi 3D formātā, nodrošinot, ka tas ne tikai redz mērierīci, bet arī saprot, kur šī mērierīce atrodas attiecībā pret pārējām iekārtām.

„Halucināciju” problēmas risināšana

Viens no lielākajiem šķēršļiem mākslīgajam intelektam fiziskajā pasaulē ir „halucinācijas” — modeļu tendence pārliecinoši apgalvot, ka kaut kas tur ir, lai gan patiesībā nav. Tērzēšanas robotā halucinācija ir smieklīga dīvainība; smagās rūpniecības vidē, kur robots uzrauga gaistošas ķīmiskas vielas, halucinācija ir drošības murgs.

Google testi parādīja, ka 1.6 modelis daudz labāk spēj pieturēties pie realitātes. Testā ar instrumentu nokrautu galdu vecākais modelis „redzēja” ķerru, kuras nebija, tikai tāpēc, ka tam lūdza tādu meklēt. Jaunais modelis, turpretī, pareizi identificēja āmurus, šķēres un knaibles, ignorējot „āķīgo” jautājumu. Šī uzlabotā precizitāte ir pamats robotu pārvietošanai no laboratorijas uz nekārtīgo, neparedzamo reālo pasauli.

Drošība pirmajā vietā: Robots kā sargs

Papildus mērierīču nolasīšanai jaunais modelis tiek raksturots kā līdz šim drošākais Google izstrādājums. Tas ir apmācīts izprast fiziskās drošības ierobežojumus, piemēram, kā rīkoties ar šķidrumiem, tos neizlejot, vai kā pārvietoties cilvēku tuvumā.

Citiem vārdiem sakot, AI apgūst fiziskās pasaules „veselā saprāta” noteikumus. Tagad tas spēj uztvert savainošanās risku sarežģītos scenārijos — piemēram, atpazīstot, ka bērns pie elektrības kontaktligzdas ir augsta riska situācija. Lai gan mēs joprojām esam tālu no tā, lai robotam būtu cilvēka līmeņa izpratne par ētiku, šie pakāpeniskie soļi pretī „iemiesotai spriestspējai” ir būtiski decentralizētai robotikas nākotnei, kur mašīnas strādā mums līdzās, nevis aiz drošības žoga.

Ko tas nozīmē jums

No patērētāja viedokļa, visticamāk, tuvākajā laikā Spot suns nenolasīs jūsu mājas termometru. Tomēr netiešā ietekme ir ievērojama.

1. Zemākas izmaksas, mazāk kļūmju: Rūpniecības objektiem kļūstot efektīvākiem un mazāk pakļautiem cilvēku kļūdām vai iekārtu bojājumiem, preču ražošanas izmaksas — no automašīnām līdz elektrībai — kļūst stabilākas.
2. Redzes demokratizācija: Šeit izstrādātā „aģentiskās redzes” tehnoloģija laika gaitā nonāks arī patērētāju ierīcēs. Iedomājieties viedtālruņa lietotni, kas ne tikai nofotografē jūsu drošinātāju kārbu, bet precīzi pasaka, kurš slēdzis ir izslēdzies un kāpēc.
3. Drošības standarti: Mēs redzam jaunas AI drošības sistēmas dzimšanu. Tā kā šie modeļi mācās ievērot fiziskās robežas, tie sagatavo augsni progresīvākiem mājas asistentiem un piegādes robotiem, kuru tuvumā atrasties būs patiesi droši.

Galu galā runa nav tikai par robotu suni, kas skatās uz termometru. Runa ir par digitālā intelekta saplūšanu ar fizisko klātbūtni. Mēs virzāmies uz pasauli, kurā datu „digitālo jēlnaftu” iegūst un pārstrādā mašīnas, kas beidzot spēj redzēt pasauli tikpat skaidri kā mēs.

Ikdienas gaitās veltiet mirkli, lai paskatītos uz neredzamo industriālo mehāniku sev apkārt — caurulēm pagrabā, skaitītājiem mājas sānā, sarežģītajām iekārtām pārtikas veikala aizmugurē. Gadu desmitiem tām ir bijušas nepieciešamas cilvēka acis, lai saglabātu drošību. Tagad mēs ieejam laikmetā, kurā šīs acis nekad nemirkšķina, nekad nepiekūst un, pateicoties vizuālajam melnrakstam, reti kļūdās.