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.

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.

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.

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.