News
Google DeepMind: Gemini Robotics 2.0 mit besserer Geschicklichkeit und Sicherheit
Google DeepMind hat Gemini Robotics 2 vorgestellt — die naechste 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 fuer Schritt. Es ist das einzige Modell, das oeffentlich ueber die Gemini Live API verfuegbar ist.
Gemini Robotics 2 ist das Vision-Language-Action-Modell (VLA), das Roboteraktionen aus Anweisungen generiert — aehnlich wie generative KI Text oder Bilder erzeugt. Nur fuer eine kleine Testgruppe verfuegbar.
Gemini Robotics On-Device 2 ist eine niedriglatente Offline-Version des Aktionsmodells. Ebenfalls nur fuer eine kleine Testgruppe.
Was neu ist
ER 2 klassifiziert die Vollstaendigkeit 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 ermoeglicht 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 zoegerlich als bei frueheren Tests.
Anpassungsfaehigkeit
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 koennen. Der neue Sicherheits-Benchmark ASIMOV-Agentic bewertet, ob der Agent unsichere Werkzeugaufrufe verweigert, ob eine Aufgabe sicher durchfuehrbar ist und ob das Modell menschliche Hilfe anfordert, wenn unsicher. ER 2 ist laut DeepMind das bisher sicherste Modell. Der Benchmark ist vollstaendig auf Hugging Face verfuegbar.