Google DeepMind pokazał w czwartek 30 lipca 2026 roku Gemini Robotics 2, rodzinę trzech modeli, która po raz pierwszy przejmuje kontrolę nad całym ciałem humanoida, a nie tylko nad jego ramionami. Razem z premierą firma opublikowała surowe wyniki skuteczności i to one mówią o stanie robotyki więcej niż jakikolwiek film promocyjny.
Kluczowe fakty:
- Google DeepMind zaprezentował 30 lipca 2026 roku Gemini Robotics 2 – rodzinę trzech modeli (VLA, ER 2 oraz On-Device 2), która po raz pierwszy obejmuje sterowanie całym ciałem humanoida, włącznie z chodzeniem, kucaniem i sięganiem.
- Model ER 2 odpowiada za wysokopoziomowe planowanie i koordynację działań trwających kilka minut – jest już dostępny w Google AI Studio i w prywatnej wersji zapoznawczej na Gemini Enterprise Agent Platform, natomiast modele VLA i On-Device trafią wyłącznie do wybranych partnerów.
- System steruje pięciopalczastą dłonią SharpaWave o 22 stopniach swobody zamontowaną na robocie Apollo 2 od Apptronika i jest w stanie wykonywać precyzyjne czynności, takie jak wiązanie węzłów.
Materiały wideo z demonstracjami dostępne są na stronie modelu w serwisie Google DeepMind. Widać na nich Apollo 2 od Apptronika, który podchodzi do stołu, podnosi konewkę, robi kilka kroków do regału i odkłada ją na dolną półkę. Brzmi banalnie. Dla robotyki humanoidalnej to jest właśnie ten trudny moment, w którym trzeba jednocześnie utrzymać równowagę, patrzeć, planować i chwytać.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Trzy modele, nie jeden
Google rozbił premierę na trzy odrębne komponenty i ten podział sporo mówi o architekturze całego systemu.
- Gemini Robotics 2 to model wizja-język-działanie (VLA), który zamienia obraz i polecenie w sterowanie silnikami. Obsługuje pełne humanoidy oraz roboty dwuramienne.
- Gemini Robotics ER 2 to model rozumowania ucieleśnionego, który pełni funkcję wysokopoziomowego mózgu. Rozmawia z człowiekiem, planuje sekwencje trwające kilka minut, śledzi postęp i koordynuje pracę VLA.
- Gemini Robotics On-Device 2 działa lokalnie na sprzęcie robota, bez połączenia z siecią.
ER 2 jest już dostępny w Google AI Studio i w prywatnej wersji zapoznawczej na Gemini Enterprise Agent Platform. Modele VLA i On-Device trafiły wyłącznie do partnerów z wczesnym dostępem.
Od stóp po opuszki palców
Poprzednie generacje sterowały górną połową ciała humanoida i radziły sobie z zadaniami przy stole. Teraz model obejmuje całą sylwetkę, łącznie z chodzeniem, kucaniem i sięganiem. Google sam przyznaje, że prędkość ruchów wymaga jeszcze pracy, i to uczciwe postawienie sprawy.
Po stronie manipulacji model steruje pięciopalczastą dłonią SharpaWave o 22 stopniach swobody zamontowaną na Apollo 2. Potrafi wiązać węzły i zamykać strunowe woreczki. Obsługuje też standardowe dwupalczaste chwytaki na platformie Franka Duo. Ten sam punkt kontrolny modelu steruje trzema różnymi konstrukcjami: Apollo 2 z dłońmi SharpaWave, Apollo 2 z dłońmi Inspire oraz Franka Duo z chwytakiem Robotiq.
Liczby, których Google nie schował
I tu robi się ciekawie, bo firma opublikowała wykresy skuteczności zamiast poprzestać na efektownym montażu.
Manipulacja całym ciałem:
- podnoszenie przedmiotu ze stołu: 68,4 procent
- podnoszenie z półki: 76,3 procent
- podnoszenie z podłogi: 45,7 procent
Zręczność wielopalczasta na dłoniach SharpaWave:
- wykręcenie żarówki: 92 procent
- wkręcenie żarówki: 36 procent
- zawiązanie worka na śmieci: 44 procent
- zamknięcie woreczka strunowego: 40 procent
- praca ze szufelką: 32 procent
Zręczność chwytaka na Franka Duo:
- precyzyjne wsuwanie elementów: 89,6 procent
- kompletowanie zestawów narzędzi: 78,9 procent
- ogólne podnoszenie i odkładanie: 74,2 procent
Rozstrzał między wykręcaniem żarówki (92 procent) a jej wkręcaniem (36 procent) to najbardziej wymowna liczba w całym materiale. Wykręcanie wybacza błędy. Wkręcanie wymaga trafienia w gwint, wyczucia oporu i skorygowania kąta w trakcie. Sam Google pisze wprost, że manipulacja wielopalczasta pozostaje trudna. Doceniam, że nie schowano tego pod dywan.
Patrzę na te wyniki i widzę dwie rzeczy naraz. Pierwsza: przeskok od sterowania ramionami do sterowania całym ciałem humanoida jest realny i technicznie imponujący. Druga: robot, który wkręca żarówkę w jednej trzeciej prób, nie jest jeszcze pracownikiem, tylko obiecującym stażystą. W przemyśle skuteczność 36 procent oznacza, że ktoś musi stać obok i poprawiać.
Boję się trochę tego, co stanie się z tymi liczbami w komunikacji marketingowej za pół roku. Znikną, zostaną filmy. A przecież to właśnie te słupki są tu najuczciwszą częścią przekazu i dobrze, że Google je pokazał.
Pytanie, które sobie zadaję, brzmi inaczej niż w 2025 roku. Nie pytam już, czy roboty będą ogólnego przeznaczenia, bo to wygląda na przesądzone. Pytam, ile lat dzieli nas od momentu, w którym firma z Bydgoszczy albo Wrocławia będzie mogła kupić taki sprzęt i wdrożyć go bez zespołu doktorów robotyki na etacie. I czy w tym czasie zdążymy przemyśleć, kto odpowiada, gdy dwumetrowa maszyna z 22 stopniami swobody w dłoni pomyli się przy człowieku.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Roboty, które dzielą się robotą
Nowość, która w komunikacie przeszła stosunkowo cicho, a moim zdaniem zmienia najwięcej: współpraca wielorobotowa. Różne typy maszyn mogą się komunikować i dzielić zadaniem, którego pojedynczy robot nie wykonałby sam.
ER 2 rozpoznaje też, kiedy zadanie się zaczyna i kiedy kończy, oraz potrafi wskazać moment wystąpienia ważnego zdarzenia. Brzmi jak drobiazg. W praktyce to warunek tego, żeby robot wiedział, że coś poszło nie tak, i sam się poprawił zamiast brnąć dalej przez kolejne sto decyzji.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Model, który mieści się na pokładzie
Gemini Robotics On-Device 2 dziedziczy technikę „transferu ruchu” z wersji 1.5 i jest natywnie wieloplatformowy. Adaptacja do nowej konstrukcji dwuramiennej zajmuje kilka godzin i zwykle mniej niż 200 przykładów. Działa nawet przy radykalnie odmiennych kształtach, czujnikach i liczbie stopni swobody, co Google pokazał na platformach Dexmate, SO101 i Trossen.
Dla producentów sprzętu to argument mocniejszy niż jakikolwiek benchmark. Oznacza bowiem, że warstwa inteligencji przestaje być przypisana do konkretnego korpusu.
Bezpieczeństwo dostało własny raport
Dzień przed premierą, 29 lipca, zespół opublikował osobny raport techniczny poświęcony bezpieczeństwu. Wraz z nim pojawił się ASIMOV-Agentic, nowy zestaw testów sprawdzający, czy agent potrafi odmówić wykonania niebezpiecznego wywołania narzędzia przychodzącego od modelu VLA, przewidzieć, że zadanie jest niewykonalne, i sam poprosić człowieka o interwencję.
ER 2 wypada w testach przestrzegania ograniczeń bezpieczeństwa i wykrywania bliskości człowieka najlepiej ze wszystkich dotychczasowych modeli Google. Wykrywa osobę zbliżającą się do maszyny, uruchamia narzędzie bezpieczeństwa i zatrzymuje robota. To wymóg wprost zapisany w normach współpracy człowieka z maszyną, więc kierunek jest właściwy.
Testy zatrzymania awaryjnego przeprowadzono na fizycznym Apollo 2, nie tylko w symulacji.
Kto za tym stoi i ile to warte
Carolina Parada, wiceprezes i szefowa robotyki w Google DeepMind, podpisała się pod wpisem premierowym. W rozmowie z Bloombergiem w maju tego roku podsumowała stawkę jednym zdaniem:
„Inteligencja ucieleśniona to kolejna granica sztucznej inteligencji” / „embodied intelligence is the next frontier of artificial intelligence”
Po stronie sprzętowej partnerem pozostaje Apptronik, w którego rundę finansowania o wartości 403 milionów dolarów zainwestował sam Google. Na początku lipca firma otworzyła Robot Park, ośrodek zbierania danych, gdzie floty Apollo 2 pracują w trybie ciągłym, generując materiał treningowy dla modeli Gemini Robotics. Podobne instalacje działają u klientów Apptronika, w tym w Mercedes-Benz i GXO. Google DeepMind potwierdził to partnerstwo we wpisie na Twitterze.
As @Apptronik expands their Robot Park facility, our research partnership means real-world data collected by the latest Apollo 2 humanoid platform will help train and advance Gemini Robotics. 🤖
Find out more → https://t.co/mo9QykKn4H pic.twitter.com/5Ena9WLlJ9
— Google DeepMind (@GoogleDeepMind) July 6, 2026
Jeff Cardenas, prezes i współzałożyciel Apptronika, ujął różnicę między pokazem a pracą tak:
„Branża spędziła lata na pokazywaniu, co roboty potrafią w demonstracjach. My skupiamy się na tym, co potrafią każdego dnia w pracy” / „The industry has spent years showing what robots can do in demos. We’re focused on what they can do every day on the job”
Rynek humanoidów wyceniano na 2,4 miliarda dolarów w 2025 roku, a prognozy Grand View Research mówią o 4,2 miliarda w 2026 i 40,5 miliarda do 2033 roku, przy średniorocznym tempie wzrostu 38,2 procent. Konkurencja jest gęsta: Tesla przezbraja fabrykę we Fremont pod Optimusa, Nvidia buduje platformę odniesienia Isaac GR00T razem z Unitree, a Figure AI wyceniono na 39 miliardów dolarów. Koszt jednostkowy pozostaje jednak barierą i przy wczesnej produkcji Optimusa przekracza 60 tysięcy dolarów.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co to oznacza dla polskich firm?
Polska ma z tym tematem problem, o którym rzadko mówi się wprost przy okazji premier z Doliny Krzemowej. Gęstość robotyzacji w polskim przemyśle wytwórczym wynosi według danych Międzynarodowej Federacji Robotyki (IFR) około 81 robotów na 10 tysięcy pracowników. Średnia światowa to 162. W Niemczech wskaźnik przekracza 270, w Korei Południowej 720. Zaległość mamy więc jeszcze na poziomie klasycznych ramion przemysłowych, a rozmawiamy już o humanoidach z modelem językowym w środku.
Czy to źle? Niekoniecznie. Widzę tu dwa scenariusze i oba są realne.
W pierwszym niska baza robotyzacji staje się kotwicą. Firmy, które nie zainwestowały w automatyzację przez ostatnią dekadę, nie mają ani kompetencji, ani zaplecza utrzymania ruchu, żeby wdrożyć cokolwiek bardziej skomplikowanego. A brak specjalistów od automatyzacji jest w polskim przemyśle problemem opisywanym od lat.
W drugim brak zainwestowanego kapitału w starą generację robotów okazuje się przewagą. Nie trzeba amortyzować sprzętu kupionego w 2019 roku, można wejść od razu w warstwę, w której inteligencja jest oprogramowaniem, a nie zaprogramowanym na sztywno cyklem. Model On-Device adaptujący się do nowej konstrukcji w kilka godzin i przy mniej niż 200 przykładach to dokładnie ten scenariusz.
Praktycznie w tym roku nie zmieni się nic. Modele VLA są dostępne wyłącznie dla partnerów z wczesnym dostępem, a ER 2 przez Google AI Studio może być co najwyżej przedmiotem eksperymentów w działach badawczo-rozwojowych. Ale polski integrator, który zacznie się tym zajmować teraz, w 2028 roku będzie miał przewagę, której nie da się nadrobić kursem online.
I jeszcze jedno, o czym w Polsce mówi się za mało. Unijny akt o sztucznej inteligencji obejmuje systemy stanowiące element bezpieczeństwa maszyn, a robot humanoidalny sterowany modelem ogólnego przeznaczenia będzie musiał się w tych ramach zmieścić. Publikacja osobnego raportu bezpieczeństwa przez Google to nie tylko gest w stronę badaczy. To budowanie dokumentacji pod przyszłe wymogi regulacyjne, także europejskie.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym oficjalnego wpisu Google DeepMind z dnia 30.07.2026, raportu technicznego Gemini Robotics 2: Safety Evaluations z dnia 29.07.2026 oraz danych rynkowych Grand View Research. Wykorzystano również materiały Apptronik, Bloomberg, Forbes i Robotics & Automation News. Dane o poziomie robotyzacji w Polsce pochodzą z raportów Międzynarodowej Federacji Robotyki (IFR), przywoływanych między innymi przez dlaProdukcji.pl, Forum Automatyki i Robotyki Polskiej oraz Polski Instytut Ekonomiczny. Cytaty Caroliny Parady, wiceprezes i szefowej robotyki w Google DeepMind, oraz Jeffa Cardenasa, prezesa Apptronika, zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o wdrożeniach modeli Gemini Robotics 2 i dostępności dla partnerów komercyjnych.
