Google bringt drei neue Modelle auf den Markt, um Roboter in 'Allround-Arbeiter' zu verwandeln: schnelle Anpassung, Ganzkörpersteuerung und Teamarbeit

Am 30. Juli stellte Google DeepMind Gemini Robotics 2 vor, eine neue Version seiner KI-Modellreihe, die dazu dient, verschiedene Roboter, einschließlich humanoiden, zu steuern, sodass sie sich autonom an unvorhersehbare Umgebungen anpassen und jede Handlung durchdenken können. Dadurch wird eine breite Palette von Aufgaben ermöglicht, wie das Aufräumen von Müll und das Aufheben einer Gießkanne. Das Update fügt intelligente Ganzkörpersteuerung, fortgeschrittene Fingerfertigkeit und Multi-Roboter-Kollaboration hinzu und markiert eine neue Phase in der Robotik. Das bisherige Gemini-Robotics-System konnte Roboter dazu bringen, feine Operationen wie das Verschließen von Beuteln und das Falten von Origami auszuführen, jedoch nur mit Roboterarmen und -händen. Die neuen Modelle können direkt auf dem Gerät laufen und sich innerhalb von Stunden an völlig neue Roboter-Körper anpassen, wobei erlernte Fähigkeiten auf verschiedene Plattformen übertragen werden. Sie ermöglichen es auch verschiedenen Robotern, zusammenzuarbeiten, um Aufgaben schneller zu erledigen. Google sieht dies als einen Meilenstein in Richtung physischer AGI (Artificial General Intelligence), bei der Roboter alles tun können, was ein Mensch kann. Demovideos zeigen den humanoiden Roboter Apptronik Apollo 2, der Befehlen wie dem Platzieren einer Gießkanne auf einer grünen Box folgt, und Roboter, die Aufgaben wie das Einordnen von Büchern in Regale, das Aufräumen von Brettern und das Einlegen von Kassetten in ein Radio ausführen. Das System unterstützt hochgradig fingerfertige Fünf-Finger-Hände, wie die SharpaWave-Hand mit 22 Freiheitsgraden am Apollo 2, die Aufgaben wie das Knotenbinden und das Verschließen von Reißverschlussbeuteln ausführt, sowie Standard-Zwei-Finger-Greifer wie den Franka Duo. Google berichtet von Erfolgsquoten zwischen 45,7 % und 76,3 % bei drei Kategorien der Ganzkörpermanipulation, 74,2 % bis 89,6 % bei drei Kategorien mit dem Franka-Duo-Greifer und 32 % bis 92 % bei Mehr-Finger-Aufgaben. Die Videos zeigen vollständig autonome Roboter, im Gegensatz zu Elon Musks Optimus, der laut Berichten ferngesteuert wurde. Diese Roboter sind jedoch nicht universell einsetzbar; jede Aufgabe wird speziell trainiert, unter Verwendung von Teleoperation, Video-Beispielen und Simulation. Googles Ansatz umfasst drei verschiedene Modelle: Gemini Robotics 2, ein VLA-Modell (Vision-Language-Action), das visuelle und sprachliche Eingaben in Motorsteuerung für die Ganzkörpersteuerung umwandelt; Gemini Robotics ER 2, ein verkörpertes Reasoning-VLM (Vision-Language-Model), das als Gehirn-Agent für Kommunikation, Planung mehrstufiger Aufgaben und Ermöglichung der Teamarbeit von Robotern dient; und Gemini Robotics On-Device 2, ein VLA-Modell für die lokale Ausführung mit schneller Anpassung an neue Roboter-Körper, geerbt von Gemini Robotics 1.5. Für die Sicherheit führte Google ASIMOV-Agentic ein, einen Benchmark für agentische Sicherheitsorchestrierung und Unsicherheitsauflösung, der die Fähigkeit des Agents misst, unsichere Tool-Aufrufe abzulehnen und den Abschluss von Aufgaben vorherzusagen. Gemini Robotics ER 2 ist das sicherste Robotermodell, das menschliche Nähe erkennt und Roboter entsprechend stoppt. Die Software läuft auf Roboter-Körpern, von denen viele in China hergestellt werden, trotz kürzlicher US-Beschränkungen für in China hergestellte Roboter.