Robot podnoszący ciężką skrzynkę robi wrażenie. Ale spróbuj poprosić go o zamknięcie plastikowej torebki. Dwie dłonie muszą utrzymać wiotki przedmiot, znaleźć zapięcie i docisnąć je z odpowiednią siłą. Google DeepMind pokazuje, jak dzięki Gemini Robotics 2 roboty coraz lepiej opanowują takie drobne, trudne ruchy.
W demonstracji palce współpracują przy węźle, żarówce i zamykanej torebce. Te codzienne przedmioty pokazują jeden z wielkich problemów robotyki: podnieść coś to nie to samo, co sprawnie obracać tym między palcami.
Widzieć, rozumieć i poruszać się
Gemini Robotics 2 to AI, która zamienia obrazy z kamer i polecenia w języku naturalnym na ruchy. DeepMind przedstawiło model 30 lipca 2026 roku. Oprogramowanie musi ustalić nie tylko, który przedmiot jest potrzebny, ale też jak mają współpracować ramiona, nadgarstki i palce.
Przy wykręcaniu żarówki palce muszą utrzymać chwyt, gdy nadgarstek się obraca. Potem dłoń musi poprawić uchwyt bez upuszczenia żarówki. Torebka z kolei odkształca się pod wpływem pociągnięcia i jej zamknięcie zmienia położenie. Powtarzanie jednego stałego ruchu nie wystarcza.
Pięć palców i 22 możliwości ruchu
DeepMind testowało ten sam model między innymi na Apptronik Apollo 2 z dłońmi Sharpa. Każda dłoń Sharpa Wave ma pięć palców i 22 aktywnie sterowane stopnie swobody: osobne ruchy służące zginaniu, rozsuwaniu i chwytaniu. Większa ruchomość daje więcej możliwości, ale oprogramowanie musi je skoordynować.
Sharpa umieszcza też czujniki dotyku w opuszkach palców. Mogą wykrywać nacisk, kontakt i wyślizgiwanie się przedmiotu. Robot nie musi polegać wyłącznie na kamerach, co pomaga, gdy palce zasłaniają przedmiot lub gdy przesuwa się on w uchwycie.
Wykręcić łatwiej niż wkręcić
Ten postęp nie oznacza jeszcze uniwersalnego, zręcznego robota domowego. W testach DeepMind wykręcenie żarówki udawało się w 92 procentach prób, a wkręcenie w 36 procentach. Znalezienie i prowadzenie gwintu pozostaje znacznie trudniejsze.
Właśnie dlatego drobne czynności są tak interesujące. Domy i miejsca pracy pełne są nakrętek, zamknięć, opakowań i narzędzi dla ludzkich dłoni. Im lepiej roboty nauczą się ich używać, tym mniej trzeba będzie przebudowywać otoczenie specjalnie dla maszyn.
