Google DeepMind stellt Gemini Robotics 2 vor

Seit der Veröffentlichung von Version 1.5 ist fast ein Jahr vergangen – nach heutigen Maßstäben eine beachtliche Pause. Hier ist ein Blick auf das, was Google in dieser Zeit erreicht hat.

Der wichtigste Aspekt ist das VLA-Modell (Vision-Language-Action), das nun den gesamten menschlichen Körper von den Zehen bis zu den Fingerspitzen steuert, anstatt sich nur auf den Oberkörper zu beschränken. Die Hände verfügen über feinmotorische Fähigkeiten mit 22 Freiheitsgraden. Zwar kann man nicht behaupten, dass der Roboter super agil ist (die Erfolgsrate bei Aufgaben mit mehreren Fingern liegt bei etwa 30–40 %), doch dies stellt einen klaren Fortschritt dar.

Über dem VLA-Modell agiert der Orchestrator Gemini Robotics ER 2. Dies ist ein separates Generierungsmodell, das hier als reines VLM (Vision-Language-Model) fungiert. Während das VLA-Modell fertige motorische Befehle ausgibt, operiert ER auf einer höheren Ebene: Es führt Schlussfolgerungen durch, zerlegt Aufgaben in Teilschritte, erkennt Objekte und deren Koordinaten sowie weitere „intelligente“ Arbeiten.

Dieses Modell wurde ebenfalls erheblich verbessert und verfügt über ein Killer-Merkmal: die Koordination mehrerer verschiedener Robotertypen zur Erfüllung einer einzigen Aufgabe. Darüber hinaus kann ER nun in jeder Phase der Aufgabenausführung in die Aktionen des VLA eingreifen, was für die Selbstkorrektur entscheidend ist.

Ein weiteres in dieser Generation eingeführtes Modell ist Gemini Robotics On-Device 2 – ein leichtgewichtiges VLA für lokale Inferenz.

Das Hauptmerkmal von Gemini Robotics ist seine Vielseitigkeit. Die Modelle werden auf heterogenen Multi-Embodiment-Daten trainiert, sodass sie ohne Tuning auf verschiedenen Robotertypen funktionieren. GR2 On-Device hebt diese Eigenschaft auf eine praktische Ebene: Man kann dieses Modell nehmen und es in wenigen Stunden und mit etwa 200 Demonstrationen dazu bringen, gut auf jedem neuen Körper (mit eigenen Sensoren, Freiheitsgraden, Kinematik usw.) zu arbeiten.

In einer interessanten Wendung hat Google zudem den ersten Benchmark zur Bewertung der Robotersicherheit erstellt und ihn ASIMOV-Agentic genannt. Natürlich beansprucht Google ihr Modell gemäß diesem Test als „das sicherste der Welt".