Självtänkande robotar tar nästa steg med Gemini Robotics 1.5

Google fortsätter att driva utvecklingen av fysiska AI-agenter med den senaste generationen av Gemini Robotics. Målet är att skapa robotar som inte bara reagerar på instruktioner, utan själva kan förstå, resonera och utföra komplexa uppdrag steg för steg. Två nya modeller – Gemini Robotics 1.5 och Gemini Robotics-ER 1.5 – markerar ett tydligt kliv mot mer självgående, mångsidiga robotsystem.

Den förstnämnda är en så kallad vision-language-action-modell, vilket innebär att den kan tolka visuella intryck och muntliga instruktioner och omvandla dem till konkreta rörelser. Det gör att roboten kan planera innan den agerar och visa sitt resonemang under tiden. Gemini Robotics-ER 1.5 fungerar mer som en överordnad strateg och bygger detaljerade handlingsplaner, hämtar information via digitala verktyg och har avancerad rumslig förståelse.

Två modeller som samarbetar

Google beskriver hur de två modellerna kompletterar varandra i ett agentbaserat ramverk. ER-versionen tar emot uppdrag, analyserar miljön och bryter ner problemet i delmoment. Därefter låter den Gemini Robotics 1.5 utföra momenten med hjälp av sin visuella förståelse och rörelseförmåga.

Ett typiskt scenario kan vara att sortera sopor efter lokala miljöregler. Då behöver roboten först leta upp riktlinjer på nätet, identifiera vilka föremål som ligger framför den och sedan genomföra varje steg praktiskt. Den interna tankeprocessen, som kan förklaras i naturligt språk, gör uppgifterna mer transparenta och robusta även när omgivningen ändras.

Självlärande och flexibel design

En av de mest intressanta aspekterna är modellernas förmåga att lära sig över olika robotplattformar. Rörelsemönster som tränats på en maskin kan föras över till en annan utan att modellen behöver specialanpassas. Google nämner exempel där en robotarm, en humanoid robot och ett biarmssystem lyckas utföra samma uppgifter utan någon omträning.

Detta öppnar för snabbare utveckling och enklare implementering i nya miljöer. Samtidigt utvärderas modellerna mot akademiska benchmarktester kring rumslig förståelse, videoanalys och fråge­svar utifrån bilder – där de ligger i topp jämfört med andra system.

Säkerhet och ansvar alltid i fokus

För att AI-robotar ska kunna användas i vardagliga miljöer krävs robust säkerhet. Google lyfter fram interna granskningsgrupper och säkerhetsprinciper som styr utvecklingen. Gemini Robotics 1.5 är utrustad med semantisk säkerhetsförståelse, kan avbryta handlingar vid risk och kommunicerar på ett sätt som följer redan etablerade säkerhetspolicyer.

Företaget lanserar även en uppdaterad version av sitt säkerhetsbenchmark ASIMOV, med fler datamängder, nya frågetyper och förbättrad täckning för att testa hur modellerna hanterar riskfyllda scenarier. Den förbättrade resonemangsförmågan bidrar enligt Google till bättre följsamhet mot fysiska och etiska säkerhetskrav.

Vägen mot mer självständiga robotar

Gemini Robotics 1.5 och ER 1.5 beskrivs som ett viktigt steg mot AI-system som verkligen kan fatta egna beslut, planera långsiktigt och anpassa sig till nya situationer. Visionen är att robotar inte bara ska följa instruktioner, utan själva förstå sammanhang, använda digitala verktyg och lösa praktiska problem i den fysiska världen.

Utvecklarversionen av Gemini Robotics-ER 1.5 finns redan via Gemini API i Google AI Studio, medan huvudmodellen testas av utvalda partners. Google signalerar att detta bara är början – och att nästa generation robotar inte bara ska utföra uppgifter, utan även förstå varför de gör det.

• Läs mer om robotarna i Googles pressmeddelande ➞