96% הצלחה במפעל של Mercedes-Benz: Gemini Robotics 2.5 עובר את המבחן

Google DeepMind הציגה את Gemini Robotics 2.5 בכנס Conference on Robot Learning באוסטין. מדובר במודל VLA (vision-language-action), כלומר מודל שמקבל קלט ממצלמות והוראות בשפה טבעית ומוציא פעולות לרובוט. ב-DeepMind בחנו אותו על יותר מ-200 משימות פיזיות. התוצאה הבולטת מגיעה מ-deploy תעשייתי: בטיפול בחלקי רכב על הרובוט ההומנואידי Apollo 2 של Apptronik במתקנים של Mercedes-Benz, המודל הגיע ל-96% הצלחה ועבד מהר יותר ב-20% עד 30% לעומת נקודות ייחוס קודמות.

הארכיטקטורה מפרידה בין תכנון לשליטה. מתכנן בשם Gemini Embodied Reasoning מפרק את המשימה ומנתח את הסביבה, וה-VLA מבצע את המניפולציה בפועל. לפי DeepMind, השילוב הופך משימות פיזיות למדויקות, מהירות ובטוחות יותר, גם בסביבות תעשייתיות שבהן טעות פוגעת בחלקים או בציוד. זה אותו עיקרון שבו agents של שפה מפרידים בין מודל מתכנן לבין הפעלת כלים, רק עם מנועים ותופסנים.

התוצאה ב-Mercedes חשובה כי משימות במפעל חוזרות על עצמן, מתבצעות בהיקפים גדולים ולא סולחות על טעויות, ולכן אחוזי ההצלחה חייבים להיות גבוהים מאוד לפני שאוטומציה משתלמת. 96% זה מרשים למודל כללי, אבל עדיין אומר שיש כשלים שדורשים התערבות אנושית בפס הייצור. התחרות ב-physical AI מתחממת: Runway שחררה ב-12 בנובמבר את Praxis-1, מודל world action פתוח בגודל 27B, NVIDIA דוחפת את ה-stack שלה לרובוטיקה ואוטונומיה, ו-Tesla, Figure ו-Physical Intelligence רודפות כולן אחרי deploy של הומנואידים. היתרון של DeepMind הוא השילוב בין מודלי הסקה מובילים לבין שותפי חומרה כמו Apptronik.

כמה הסתייגויות: נתון ה-96% מתייחס לניסוי ספציפי של טיפול בחלקים, לא לכל 200 המשימות, והסיקור לא מפרט את סוגי הכשלים או כמה זמן נמשך הניסוי. תוצאות מבדיקות שהספק שולט בהן נוטות להיחלש בסביבות פחות מובנות. כדאי לעקוב אם Mercedes תעבור מניסויים לשימוש ב-production, אם Apptronik תכריז על הזמנות בהיקף גדול, והאם DeepMind תפתח את המודל לשותפי רובוטיקה נוספים או תשאיר אותו ללקוחות נבחרים.