Робот Boston Dynamics тепер читає показники приладів завдяки AI Google

Роботи вперше змогли впевнено “читати” аналогові прилади — від термометрів до манометрів. Завдяки новій моделі штучного інтелекту від Google їхня точність різко зросла майже до рівня людини.

Йдеться про оновлення, яке отримав чотириногий робот Spot від Boston Dynamics — тепер він може самостійно перевіряти обладнання на заводах без участі людини.

Що змінилось

Google DeepMind представила модель Gemini Robotics-ER 1.6, яка дає роботам те, що називають “втіленим мисленням” — здатність не просто бачити, а розуміти фізичний світ.

Раніше роботи погано справлялися з аналоговими шкалами: стрілки, поділки, відблиски і складні форми збивали алгоритми. Тепер система аналізує зображення як людина — виділяє ключові елементи, порівнює їх і робить висновки.

Стрибок точності

Найпоказовіше — цифри.
Точність зчитування приладів зросла з 23% у попередній версії до 98% у новій.

Читайте також: Duolingo запускає 148 нових мовних курсів за допомогою штучного інтелекту

Це як перейти від майже випадкових відповідей до майже безпомилкової роботи. Навіть без ключової функції “agentic vision” модель тримає близько 86%.

Чому це важко для роботів

Аналогові прилади — це не просто цифри.
Роботу потрібно одночасно врахувати:

положення стрілки
форму шкали
рівень рідини
текст і маркування

Для людини це займає секунди. Для машини — складна задача зорового аналізу і логіки.

Менше “галюцинацій”

Попередні моделі часто помилялись — наприклад, “бачили” предмети, яких не існує.

Нова система значно краще справляється з такими ситуаціями: вона точніше рахує об’єкти і не вигадує зайвого. Це критично для промисловості, де помилка може коштувати дорого.

Де це використають

Boston Dynamics уже тестує Spot як інспектора на підприємствах, зокрема на виробництвах Hyundai.

Читайте також: Google запускає чат-бот Gemini у Google Play: тепер можна запитати про будь-який додаток

Його завдання:

перевірка обладнання
зчитування показників
контроль стану систем

Фактично, робот може замінити людину в рутинних і потенційно небезпечних перевірках.

Рух до “вільних” роботів

Сьогодні роботи найкраще працюють у чітко визначених сценаріях — як на конвеєрі.

Новий підхід змінює це: компанії намагаються зробити роботів універсальними працівниками, які можуть діяти в непередбачуваному середовищі.

Це вже не просто автоматизація — це перехід до більш автономних систем.

Що далі

Попри прогрес, роботи ще далекі від людського рівня розуміння. Але тренд очевидний: вони швидко вчаться орієнтуватися у реальному світі.

Із кожним оновленням вони менше залежать від сценаріїв і більше — від власного аналізу.

Чому це важливо

Це знижує витрати на обслуговування підприємств і підвищує безпеку.
Менше людей — у небезпечних зонах.
Більше автоматизації — у складних умовах.

Читайте також: У Gmail для Android з'явився вбудований перекладач

Але водночас зростають ризики: помилка автономного робота може мати реальні наслідки.

Цікавий факт

Нова модель використовує підхід “візуального чернеткового простору” — фактично робот “малює” собі підказки поверх зображення, щоб краще зрозуміти, що бачить. Це схоже на те, як людина подумки виділяє важливі деталі.