Η Google δείχνει ανθρωποειδή ρομπότ με έλεγχο ολόκληρου του σώματος

Το ρομπότ ακούει την εντολή «βάλε το ποτιστήρι στο πράσινο δοχείο στο κάτω ράφι». Κάνει δύο βήματα, σκύβει, κρατά ισορροπία, πιάνει το αντικείμενο και το τοποθετεί. Όχι ένας σταθερός βραχίονας πάνω σε πάγκο, αλλά ένα ανθρωποειδές που μετακινείται μέσα στον χώρο. Αυτό είναι το κεντρικό demo της νέας ανακοίνωσης της Google DeepMind, και δείχνει πού μετακινείται το κατώφλι της ρομποτικής (DeepMind, The Verge).

Στις 30 Ιουλίου 2026, η DeepMind παρουσίασε όχι ένα αλλά τρία μοντέλα. Το Gemini Robotics 2 μεταφράζει εικόνα και προφορική εντολή σε κίνηση. Το Robotics ER 2 είναι ένας «εγκέφαλος» υψηλότερου επιπέδου, που σπάει μια δουλειά σε βήματα και ενορχηστρώνει τα εργαλεία. Και το On-Device 2 είναι μια ελαφρύτερη έκδοση, που τρέχει τοπικά πάνω στο ρομπότ χωρίς σύνδεση στο internet (Google Blog, Axios).

Γιατί το «όλο σώμα» είναι το δύσκολο κομμάτι

Για έναν άνθρωπο, το να σκύψει και να βάλει κάτι σε χαμηλό ράφι είναι μία κίνηση. Για ένα ρομπότ είναι πολλά προβλήματα ταυτόχρονα: πού θα πατήσει, πώς θα γείρει τον κορμό, πότε θα μεταφέρει το βάρος του χωρίς να πέσει. Και όλα αυτά τη στιγμή που το λύγισμα αλλάζει το κέντρο μάζας του, άρα και την ισορροπία (PMC). Μέχρι τώρα, τα μοντέλα αυτού του τύπου έλυναν κυρίως το «πού θα πάει το χέρι» πάνω σε τραπέζι. Το άλμα εδώ είναι ότι το βάδισμα, η ισορροπία και ο χειρισμός μπαίνουν στο ίδιο σύστημα ελέγχου. Αυτό ακριβώς χωρίζει τον εργαστηριακό βραχίονα από ένα ρομπότ που κινείται σε ανθρώπινο χώρο, φτιαγμένο για σώματα και όχι για πάγκους (The Next Web).

Και εδώ αρχίζει ο έλεγχος πραγματικότητας. Στο ανθρωποειδές Apptronik Apollo 2, η Google δημοσίευσε ποσοστά επιτυχίας για ολόσωμο χειρισμό: 76,3% όταν παίρνει αντικείμενο από ράφι, 68,4% από τραπέζι, αλλά μόλις 45,7% από το πάτωμα (MarkTechPost, Gigazine). Η πτώση δεν είναι τυχαία: όσο πιο απαιτητικό το σκύψιμο, τόσο συχνότερα αποτυγχάνει.

Στην πολυδάκτυλη επιδεξιότητα η εικόνα είναι ακόμα πιο ανομοιόμορφη. Με το πεντάδακτυλο χέρι SharpaWave, το Apollo 2 ξεβιδώνει έναν λαμπτήρα με 92% επιτυχία. Δένει όμως μια σακούλα σκουπιδιών μόνο στο 44%, κλείνει ένα ziplock στο 40% και μαζεύει με φαράσι στο 32% (Unite.AI, Bloomberg). Καθημερινές κινήσεις που κανείς μας δεν σκέφτεται παραμένουν, για τη μηχανή, στοίχημα με κάτω από μισές πιθανότητες. Η ίδια η DeepMind παραδέχεται ότι οι κινήσεις είναι ακόμη αργές και «σκεπτικές», ότι τα ρομπότ έχουν δρόμο ακόμη στην ταχύτητα (Ars Technica, The Verge).

Το πραγματικό στοίχημα δεν είναι το ρομπότ

Εδώ κρύβεται η στρατηγική. Η Google δεν πουλάει ανθρωποειδή, πουλάει το λογισμικό που τα κινεί. Το Robotics ER 2 είναι ήδη διαθέσιμο μέσω του Gemini API και του Google AI Studio, ενώ το μοντέλο που ελέγχει την πραγματική κίνηση δίνεται μόνο σε επιλεγμένους συνεργάτες, όπως η Apptronik, η Boston Dynamics και η Agile Robots (Boston Dynamics). Ο στόχος είναι να γίνει ο «εγκέφαλος» που περνά από το ένα σώμα στο άλλο, χωρίς η Google να κατασκευάζει η ίδια το hardware. Αν το σώμα είναι το ρομπότ, το λογισμικό είναι το νευρικό σύστημα, και εκεί δίνεται η μάχη, με Tesla, Figure και την κινεζική Unitree να πιέζουν παράλληλα (CNBC).

Ένα προειδοποιητικό σημείο: κανένας τρίτος φορέας δεν έχει δοκιμάσει ανεξάρτητα αυτά τα demos σε πραγματικές εγκαταστάσεις (Forbes). Τα βίντεο δείχνουν τι μπορεί να κάνει το ρομπότ σε συνθήκες που κάποιος επέλεξε προσεκτικά, όχι πόσες αποτυχίες προηγήθηκαν. Το εύρος 45,7% έως 76,3% είναι ακριβώς η απόσταση που χωρίζει το εντυπωσιακό demo από τη γραμμή παραγωγής. Και μέχρι να κλείσει, το «ολόσωμο ρομπότ» παραμένει επίδειξη ικανότητας, όχι εργαζόμενος που αγοράζεις έτοιμο.