Google DeepMind hat mit Gemini Robotics 2 eine neue Generation von Vision-Language-Action-Modellen (VLA) vorgestellt. Das System zeichnet sich durch eine umfassende Ganzkörpersteuerung, gesteigerte motorische Geschicklichkeit sowie die Fähigkeit zur Koordination mehrerer Robotereinheiten aus. Carolina Parada, Leiterin der Robotik-Abteilung bei Google DeepMind, wertete die Veröffentlichung als einen bedeutenden Meilenstein auf dem Weg zu einer physischen künstlichen allgemeinen Intelligenz (AGI). Das Modell ermögliche es humanoiden Robotern, Anweisungen in natürlicher Sprache zu verstehen und ihre Bewegungen koordiniert umzusetzen.
Modulares System für Planung und Ausführung
Die neue Architektur umfasst drei spezialisierte Modelle, die unterschiedliche Ebenen der Robotersteuerung abdecken. Das zentrale VLA-Modell ist für die Ganzkörpersteuerung verantwortlich, während das Modell Gemini Robotics ER 2 die hochrangige Planung übernimmt. Letzteres basiert auf Gemini 3.5 Flash und fungiert als multimodales System, das visuelle Daten, Texteingaben und propriozeptive Informationen verarbeitet, um daraus Motorsteuerungs-Strategien zu generieren. Die Anbindung erfolgt über die Gemini Live API.
Ergänzt wird das Portfolio durch On-Device 2, eine Variante für den lokalen Betrieb. Diese Software läuft vollständig auf der Hardware des Roboters und ermöglicht autonomes Arbeiten ohne Internetverbindung. Ein wesentlicher Vorteil dieses Modells ist die schnelle Anpassungsfähigkeit: Laut Entwicklerangaben benötigt das System weniger als 200 Trainingsbeispiele, um sich innerhalb weniger Stunden auf neue Roboter-Körper einzustellen.
Hardware-Agnostik und Leistungsdaten aus der Praxis
In aktuellen Demonstrationen erwies sich Gemini Robotics 2 als hardware-agnostisch. Die Tests wurden unter anderem auf dem Apollo 2 von Apptronik durchgeführt, der mit einer SharpaWave-Hand mit 22 Freiheitsgraden ausgestattet war, sowie auf Franka-Roboterarmen und dem Modell Franka FR3 Duo. Zu den erfolgreich absolvierten Aufgaben gehörten das Schließen von Kabelbindern, der Austausch einer Glühbirne und das Organisieren von Regalen.
Die Leistungsdaten des Apollo 2 zeigen dabei differenzierte Erfolgsraten je nach Einsatzort: Während am Tisch eine Erfolgsquote von 68,4 % erreicht wurde, lagen die Werte auf dem Boden bei 45,7 % und im Regal bei 76,3 %. Bei der Verwendung einer Fünffingerhand erzielte das System beim Herausdrehen einer Glühbirne eine Erfolgsrate von 92 %. Das Eindrehen gelang in 36 % der Versuche. Weitere Werte umfassen das Zubinden von Beuteln mit 44 % und die Handhabung einer Kehrschaufel mit 32 %. Bei der allgemeinen Fortschrittsklassifikation erreichte Gemini Robotics ER 2 einen Wert von 57,4 % sowie eine Genauigkeit von 91,3 % beim sogenannten Moment-Finding.
Wer sich mit dem Einsatz moderner KI-Systeme befasst, muss auch die damit verbundenen Sicherheitsaspekte im Blick behalten. Dieser kostenlose Report klärt auf, welche rechtlichen Pflichten und neuen Cyberrisiken Unternehmer jetzt kennen müssen. Cyberrisiken durch KI: Kostenlosen Report anfordern
Sicherheitsprotokolle und strategische Partnerships
Mit der Einführung der neuen Modelle etabliert Google DeepMind zudem den Sicherheits-Benchmark ASIMOV-Agentic. Eine zentrale Sicherheitsfunktion sorgt dafür, dass ein humanoider Roboter seine Bewegung sofort unterbricht, sobald sich eine Person nähert. Die Arbeit wird erst dann fortgesetzt, wenn die unmittelbare Umgebung wieder frei ist. Das Training der KI basierte auf einer Kombination aus menschlicher Teleoperation, Videoanalysen und umfangreichen Simulationen.
Gemini Robotics ER 2 ist ab sofort über Google AI Studio sowie in einer privaten Vorschau auf der Gemini Enterprise Agent Platform verfügbar. Im Zuge dieser Modernisierung plant das Unternehmen, das Vorgängermodell ER 1.6 Ende August abzuschalten.
Der technologische Fortschritt bietet enorme Chancen, erfordert aber auch einen proaktiven Schutz der digitalen Infrastruktur. Erfahren Sie in diesem kostenlosen E-Book, wie Sie Sicherheitslücken schließen und Ihr Unternehmen langfristig absichern. Gratis E-Book: Strategien für Cyber Security jetzt herunterladen
Für die Weiterentwicklung arbeitet Google DeepMind mit Partnern wie Apptronik, Boston Dynamics und Agile Robots sowie über 100 Testpartnern zusammen. Flankierend dazu kündigte Oracle die Integration von Gemini-Modellen in die Oracle Cloud Infrastructure an. Trotz der technologischen Fortschritte schränken die Entwickler ein, dass das Modell derzeit noch für spezifische Aufgaben trainiert wird und nicht universell einsetzbar ist. Pläne für den Verkauf von Verbraucherrobotern gebe es in naher Zukunft nicht.
