Gemini Robotics 2.5 von Google DeepMind soll Roboter geschickter, zuverlässiger und sicherer machen
Google DeepMind bezeichnet Gemini Robotics 2.5 als sein bisher leistungsfähigstes Vision-Language-Action-Modell. Es soll Geschicklichkeit, Zuverlässigkeit und Sicherheit von Robotern verbessern.
Google DeepMind hat Gemini Robotics 2.5 vorgestellt und nennt es sein leistungsfähigstes Vision-Language-Action-Modell. Die zentrale Behauptung: Roboter sollen ein breiteres Spektrum an Fähigkeiten schneller erlernen und diese dann auch in unübersichtlicheren Umgebungen als im Labor ausführen können. Laut Unternehmen wird das Modell derzeit an Robotik-Partner ausgerollt. Der Blogbeitrag selbst ist die Hauptquelle für die folgenden Angaben.
Der Beitrag behandelt drei Bereiche: Geschicklichkeit, Zuverlässigkeit und Sicherheit. Bei der Geschicklichkeit hat DeepMind das Modell nach eigenen Angaben an 200 verschiedenen Aufgaben getestet, darunter Essen mit einer Zange servieren, eine Schleife auf eine Geschenkschachtel binden und eine Flüssigkeit pipettieren. Je nach Aufgabentyp berichtet das Unternehmen von einer um 30 % bis 100 % höheren Erfolgsquote als bei früheren Vergleichsmodellen, wobei die Aufgaben 20 % bis 30 % schneller erledigt wurden. Welche Vergleichsmodelle das sind und wie der Erfolg bewertet wurde, verrät der Beitrag nicht. Die Spanne ist also ein Vergleich des Unternehmens selbst, keine unabhängige Messung.
Die Aussage zur Zuverlässigkeit stützt sich auf ein einziges Pilotprojekt. DeepMind und Apptronik setzten humanoide Apollo-2-Roboter an laufenden Produktionslinien der Autoindustrie im ungarischen Kecskemét und im deutschen Sindelfingen ein. Dort übernahmen die Roboter das Kitting: Sie entnahmen Metallhalterungen aus Schüttgutbehältern und legten sie in der Reihenfolge, die das jeweilige Fahrzeug benötigte, in Sequenzbehälter. Die Arbeitsteilung sieht so aus: Ein separates Embodied-Reasoning-Modell, Gemini Robotics ER, verfolgt den Arbeitsablauf, während Gemini Robotics 2.5 Hände und Arme steuert. Der Beitrag nennt eine Erfolgsquote von 96 % und gibt an, die Roboter hätten beim Greifen „etwaige Lücken korrigiert“. Jeff Cardenas, CEO von Apptronik, sagte, die Modelle hätten sich „in nur wenigen Wochen Post-Training dramatisch“ verbessert und ließen sich auf die Produktion von Mercedes-Benz „mit sehr geringem Leistungsabfall“ übertragen. Eine Quote von 96 % bei einer einzelnen Kitting-Aufgabe an zwei Standorten ist ein nützlicher Datenpunkt. Der Beitrag nennt allerdings weder die Zahl der Versuche noch die Dauer der Tests oder die Fehlerarten.
Im Abschnitt zur Sicherheit werden zwei Mechanismen beschrieben. Der erste ist das, was DeepMind Inference-Time Reasoning Guidance nennt: Damit kann der Roboter während des Betriebs physischen Gefahren ausweichen. Das Unternehmen vergleicht dies mit den Sicherheitsklassifikatoren, die die Antworten des Gemini-Chatbots absichern. In DeepMinds Evaluierungen stieg dadurch die sichere Aufgabenerledigung bei Hindernissen um 33 % und bei Personen in der Nähe um 43 %; die Ausgangsbasis für beide Werte nennt der Beitrag jedoch nicht. Der zweite Mechanismus ist ein Jailbreak-Test. DeepMind veröffentlicht ASIMOV-Jailbreak, einen Open-Source-Benchmark mit Hunderten von Prompts, die unsichere Anfragen in Dutzenden Szenen tarnen. Nach Angaben des Unternehmens widersteht sein Modell Gemini 4 Argon Jailbreaks in 99,5 % der Fälle, gegenüber 82 % beim bisherigen Vergleichsmodell Gemini Robotics ER 2. Sowohl der Benchmark als auch das Vergleichsmodell stammen von DeepMind selbst, es handelt sich also um interne Ergebnisse des Unternehmens.
Der Beitrag schreibt Gemini 4 Argon außerdem zu, die Robotikarbeit beschleunigt zu haben. Laut DeepMind dient Argon als Simulations-Engine. Aus einer realen Kameraszene kann es Tausende unterschiedliche simulierte Übungsdurchläufe erzeugen und einen digitalen Zwilling erstellen. Kombiniert mit realen Demonstrationen hilft das einem Roboter, auf neue Szenen und Objekte zu generalisieren. Argon kann zudem Videos fehlgeschlagener Aufgaben auswerten, mögliche Ursachen vorschlagen und die vielversprechendsten Verbesserungen anschließend in der Simulation und direkt an echten Robotern testen. Wie stark dies die Entwicklung beschleunigt hat, beziffert der Beitrag nicht; die Beschleunigung wird also beschrieben, aber nicht gemessen. Zum Abschluss stellt die Ankündigung die Veröffentlichung als Schritt in Richtung einer sogenannten physischen AGI dar. Diesen Begriff verwendet der Beitrag, ohne ihn zu definieren.
Was sich ändert
Art: Neue Funktion · Betrifft: Gemini Robotics 2.5
Warum es wichtig ist
Teams, die an physischer KI oder Robotikprodukten arbeiten, haben mit dem Modell von Google DeepMind eine neue Option zu prüfen, auch wenn die Angaben bisher allgemein gehalten und nicht beziffert sind.
Was Sie tun können
Prüfen Sie den Originalbeitrag auf Zugangsbedingungen und veröffentlichte Evaluierungen, bevor Sie ein Robotik-Pilotprojekt planen.
Originalquelle
Wo wir es gesehen haben
Google DeepMind
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