Представь просьбу «найди коробку и принеси её». Роботу нужно не только распознать коробку, но и решить, куда двигаться, как её взять и когда проверить результат. Google Cloud сообщила 27 октября, что открыла предварительный доступ к Gemini Robotics Embodied Reasoning 2. Это программа высокого уровня, которая планирует несколько шагов и вызывает другие программы, управляющие движением.

Такие вызовы происходят через API^[1] — определённые интерфейсы между программами. Модель может использовать видеопоток, выбрать функцию навигации или захвата и проверить, выполнен ли этап. Согласование нескольких специализированных программ называют оркестрацией^[2]. Google также описывает взаимодействие нескольких роботов, но реальная работа зависит от возможностей каждого устройства.

Google приводит точность 91,3% при определении важного момента на видео и среднюю ошибку времени 0,96 секунды. Это результат конкретного теста распознавания событий, а не вероятность успеха любого поручения. Модель существовала раньше: новость касается прежде всего её доступности в облаке. Потеря связи, задержки и аварийная остановка остаются задачами разработчиков реального робота.