Как управление роботами от Google изменит съемки и ивенты

На днях Google DeepMind выкатил Gemini Robotics 2 – набор из трех ИИ-моделей, которые значительно упрощают управление роботами. Я вижу в этом вполне осязаемое будущее съемочных площадок и интерактивных бренд-зон. Это обещает уход от сложного и долгого программирования съемочных манипуляторов и ивент-роботов: теперь машины могут двигаться всем телом, координировать действия друг с другом и понимать сложные команды.

От механических алгоритмов к пониманию сцены

Если вы хоть раз привозили на съемки Bolt или другой робот-манипулятор для динамичных кадров, то знаете эту боль. Я знаю, как это бывает: на площадке часами сидит дорогой инженер, который прописывает траекторию движения камеры по точкам ради двухсекундного пролета. Шаг влево, шаг вправо – и нужно все перенастраивать заново. В ивент-индустрии ситуация аналогичная: любая интерактивная зона с роботом-барменом или механической рукой требует бесконечной калибровки.

Новое семейство моделей от Google решает именно эту проблему. В его основе лежит Gemini Robotics ER 2 – модель «воплощенного рассуждения» (embodied reasoning) на базе Gemini 3.5 Flash. Это высокоуровневый ИИ-мозг, который напрямую анализирует физический мир. Он принимает видео, аудио и текст и удерживает в памяти до 128 тысяч токенов.

Самое полезное для работы – способность модели понимать, что именно происходит в кадре. Например, ER 2 с точностью до 91,3% определяет момент завершения действия (скажем, когда чашка наполнилась кофе в рекламном кадре) и распознает прогресс выполнения задачи по обычному видеопотоку. Вместо программирования таймингов до миллисекунд можно будет просто показать ИИ видео-референс или дать команду голосом.

Адаптация под любое «железо» за пару часов

Помимо планировщика ER 2, в пакет входит исполнительная VLA-модель (Vision-Language-Action), которая преобразует визуальные данные и текст в конкретные движения моторов. Она управляет не только руками-манипуляторами, но и полноценными человекоподобными роботами вроде Apollo 2. Робот может подойти к столу, взять предмет, донести его до стеллажа и аккуратно поставить на полку.

Но самое практичное решение для продакшенов – On-Device 2. Эта облегченная модель работает локально прямо на борту робота. Она решает проблему задержки сигнала и отсутствия стабильного интернета в павильоне. Google заявляет, что On-Device 2 способна адаптироваться к новому типу робота всего за несколько часов. Для этого ей требуется менее 200 примеров движений.

Представьте сценарий: вы берете в аренду робособаку Spot или манипулятор незнакомого бренда, загружаете пару десятков референсов, и машина готова подавать реквизит актерам или вести съемку с необычного ракурса. Больше не нужно искать узкопрофильного инженера под конкретную марку оборудования – ИИ сам разберется, как управлять новыми моторами и суставами. К тому же модели научились координировать действия разных роботов между собой: они могут обмениваться задачами, чтобы, например, один удерживал световой прибор, а второй плавно перемещал декорацию.

Меньше тестов на площадке – больше креатива в кадре

Такие модели напрямую сокращают одну из самых дорогих статей расходов в видеопроизводстве и ивентах – время аренды павильона и площадки. Сейчас приходится закладывать целый технический день на тесты и настройку сложной робототехники. С Gemini Robotics 2 подготовка займет всего несколько часов прямо в день съемок.

Второй важный момент – гибкость на площадке. Если режиссер во время съемок захочет изменить угол или скорость движения, кадр не придется переносить на следующий час. Робот под управлением ИИ перестроится на ходу: он ориентируется на физику объектов, а не на жесткие координаты. Это снижает риски на сложных кадрах и делает роботов в рекламе доступнее.

Для продакшенов и агентств это означает реальную экономию бюджетов и свободу для сложных кадров. Технологии наконец-то дозрели до того, чтобы роботы помогали творчеству, а не тормозили процесс бесконечной калибровкой.