News
Google DeepMind: Gemini Robotics 2.0 mit besserer Geschicklichkeit und Sicherheit
Google DeepMind hat Gemini Robotics 2 vorgestellt — die nächste Generation seiner KI-Robotik-Modelle. Drei Teilmodelle sollen Roboter befähigen, komplexere Aufgaben zu erledigen, ihre Umgebung kontinuierlich zu analysieren und mit anderen Robotern zusammenzuarbeiten. Das Langzeitziel: ein Generalist Robot, der alles kann, was ein Mensch kann — quasi “physische AGI”.
Die drei Modelle
Gemini Robotics ER 2 ist ein Vision-Language-Model (VLM), das Anweisungen und seine Umgebung versteht. Es verarbeitet Live-Video-Feeds von Roboter-Kameras und verfolgt den Aufgabenfortschritt Schritt für Schritt. Es ist das einzige Modell, das öffentlich über die Gemini Live API verfügbar ist.
Gemini Robotics 2 ist das Vision-Language-Action-Modell (VLA), das Roboteraktionen aus Anweisungen generiert — ähnlich wie generative KI Text oder Bilder erzeugt. Nur für eine kleine Testgruppe verfügbar.
Gemini Robotics On-Device 2 ist eine niedriglatente Offline-Version des Aktionsmodells. Ebenfalls nur für eine kleine Testgruppe.
Was neu ist
ER 2 klassifiziert die Vollständigkeit von Videobildern mit fast 60% Genauigkeit — deutlich besser als der Vorgänger und konkurrierende Modelle. Schlüsselmomente in Video-Feeds werden mit fast 90% Genauigkeit erkannt, etwa wann beim Kaffee-Eingießen aufgehört werden muss. Bei Fehlern muss der Roboter nicht mehr von vorne anfangen — er erkennt den Fehler in Echtzeit und wiederholt nur den betroffenen Schritt.
Multi-Robot-Kollaboration
ER 2 ermöglicht mehreren Robotern, zusammenzuarbeiten, ohne sich im Weg zu stehen. In Demos arbeiten Apptronik Apollo 2 und der einfachere Franka F3 Duo zusammen. Die Roboter wirken deutlich weniger zögerlich als bei früheren Tests.
Anpassungsfähigkeit
Selbst die kleinere On-Device-Version kann sich mit nur wenigen Stunden Bewegungsdaten — etwa 200 Beispielen — an neue Roboterdesigns anpassen. Getestet wird auch auf Hardware von Boston Dynamics.
Sicherheit: ASIMOV-Agentic
Mit jedem Release betont DeepMind, dass Fehler physischer KI realen Schaden anrichten können. Der neue Sicherheits-Benchmark ASIMOV-Agentic bewertet, ob der Agent unsichere Werkzeugaufrufe verweigert, ob eine Aufgabe sicher durchführbar ist und ob das Modell menschliche Hilfe anfordert, wenn unsicher. ER 2 ist laut DeepMind das bisher sicherste Modell. Der Benchmark ist vollständig auf Hugging Face verfügbar.