DeepMind testet Gemini Robotics 2.5 in der Produktion von Mercedes-Benz
Gemini Robotics 2.5 wird an einer Fertigungslinie von Mercedes-Benz erprobt. In einem Pilotprojekt sortierte das Modell Metallteile mit einer Erfolgsquote von 96 %.
Google DeepMind hat Gemini Robotics 2.5 vorgestellt, ein Vision-Language-Action-Modell. Nach Angaben des Unternehmens kann es einem humanoiden Roboter helfen, an laufenden Produktionslinien von Mercedes-Benz Metallteile zu sortieren, in einem Pilotprojekt mit einer Erfolgsquote von 96 %. Der Roboter, Apollo 2 von Apptronik, übernahm die Kommissionierung: Er griff in Schüttgutbehälter, nahm Fahrzeughalterungen heraus und legte sie in genau der Reihenfolge in Trays, in der die einzelnen Fahrzeuge auf der Linie sie benötigten. Getestet wurde in den Mercedes-Benz-Werken im ungarischen Kecskemét und im deutschen Sindelfingen.
Das Modell ist eines von zwei zusammenarbeitenden Systemen. Laut Google behält Gemini Robotics ER den Arbeitsablauf im Blick, während Gemini Robotics 2.5 Hände und Arme steuert, in die Behälter greift und entstehende Lücken ausgleicht. Ein Vision-Language-Action-Modell verarbeitet Kamerabilder und sprachliche Anweisungen und setzt sie in Roboterbewegungen um. Dasselbe System, das eine Aufgabenbeschreibung liest, erzeugt also auch die Motorbefehle. Google sieht im Pilotprojekt vielversprechende Fortschritte in Richtung industrieller Einsatz. Die 96 % stammen allerdings aus einem einzigen Proof of Concept, und die Ankündigung lässt offen, wie viele Versuche gezählt wurden und wie die Erfolgsschwelle definiert war.
Google gibt an, das Modell an mehr als 200 Aufgaben evaluiert zu haben, darunter das Servieren von Speisen mit einer Zange, das Binden einer Schleife um eine Geschenkbox und das Pipettieren von Flüssigkeiten. Im Vergleich zu seinen eigenen früheren Baselines meldet Google je nach Aufgabentyp eine um 30 % bis 100 % höhere Erfolgsquote sowie eine um 20 % bis 30 % schnellere Erledigung. Diese Vergleiche sind intern. Über die früheren Gemini-Robotics-Modelle hinaus nennt der Beitrag keine Baselines.
Apptronik-CEO Jeff Cardenas sagte, die Modelle hätten sich innerhalb weniger Wochen Post-Training drastisch verbessert und sich „mit sehr geringen Einbußen“ auf die Produktion bei Mercedes-Benz übertragen lassen. Das Pilotprojekt wird ausschließlich als Proof of Concept beschrieben. Laut Googles Ankündigung wird das Modell an die Robotik-Partner Agile, Apptronik und Mercedes-Benz ausgerollt.
Beim Thema Sicherheit beschreibt Google eine Reasoning-Steuerung zur Inferenzzeit, die den Roboter in Echtzeit um physische Gefahren herumlenkt. In Googles Evaluierungen stieg dadurch die sichere Aufgabenerledigung in der Nähe von Hindernissen um 33 % und in der Nähe von Menschen um 43 %. Außerdem veröffentlichte Google ASIMOV-Jailbreak, einen Open-Source-Benchmark mit Hunderten von Prompts, die unsichere Anfragen in Dutzenden von Szenen tarnen. Das eigene Modell Gemini 4 Argon widersteht Jailbreaks in 99,5 % der Fälle, die vorherige Baseline Gemini Robotics ER 2 in 82 %. Da Google sowohl das Modell als auch den Benchmark entwickelt hat, handelt es sich um Googles eigene Messungen.
In der Entwicklung nutzte Google Gemini 4 Argon zudem als Simulations-Engine. Laut Ankündigung kann Argon aus einer realen Kameraszene Tausende simulierte Übungsdurchläufe erzeugen. So entsteht ein digitaler Zwilling, der mit realen Demonstrationen kombiniert wird, damit ein Roboter auf neue Szenen und Objekte generalisiert. Argon kann außerdem anhand von Videoaufnahmen Gründe für das Scheitern einer Aufgabe vorschlagen und Korrekturen sowohl in der Simulation als auch an physischen Robotern testen. Wie viele reale Daten durch simulierte ersetzt wurden, verrät der Beitrag nicht. Welchen Anteil diese Methode an den Ergebnissen hat, bleibt damit unbeziffert.
Was sich ändert
Art: Neue Funktion · Betrifft: Gemini Robotics 2.5, Gemini Robotics ER
Warum es wichtig ist
Für Hersteller zeigt sich, dass KI-Modelle für Roboter den Schritt von Demos zu Pilotprojekten an echten Produktionslinien machen.
Was Sie tun können
Ermitteln Sie in Ihren Werken repetitive Sortier- oder Handhabungsaufgaben, die sich mit einem Robotikmodell pilotieren und an Ihrer bestehenden Automatisierung messen lassen.
Originalquelle
Weitere Berichte
Wo wir es gesehen haben
THE DECODER
KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es