Google DeepMind hat mit Gemini Robotics 2 die nächste Generation seiner KI-Modellfamilie für die physische Welt vorgestellt. Während bisherige Systeme zumeist auf isolierte Oberkörper-Aufgaben an Tischen beschränkt waren, baut die neue Modellarchitektur erstmals auf eine Ganzkörper-Steuerung („Whole-Body Intelligence“). Humanoide Roboter können damit in einem einzigen Bewegungsablauf gehen, sich bücken, strecken und gleichzeitig komplexe Gegenstände greifen.
Nach Angaben des KI-Labors bringt das Update nicht nur Fortschritte bei der Bewegungskoordination, sondern auch bei der feinmotorischen Handhabung mit vielgliedrigen Roboterhänden sowie bei der organisierten Zusammenarbeit mehrerer Roboter im selben Raum.
Drei spezialisierte Modelle für Wahrnehmung, Handeln und Logik
Um die Steuerung physischer Roboter von der visuellen Erfassung bis zur Gelenkbewegung abzubilden, teilt Google DeepMind die Architektur in drei aufeinander abgestimmte Modul-Varianten auf:
Die Modell-Familie im Überblick
Gemini Robotics 2 (VLA): Das Vision-Language-Action-Modell wandelt visuelle Kameradaten und Sprachbefehle direkt in motorische Steuerbefehle um. Es kontrolliert komplette humanoide Systeme von den Füßen bis zu den Fingerspitzen.
Gemini Robotics ER 2 (Embodied Reasoning): Das visuelle Sprachmodell dient als übergeordnetes Gehirn. Es plant mehrstufige Aufgaben über mehrere Minuten hinweg, korrigiert Fehlversuche und orchestriert Teams aus verschiedenen Robotern.
Gemini Robotics On-Device 2: Eine hocheffiziente Variante für die direkte Ausführung auf der Roboter-Hardware ohne Cloud-Latenz. Sie lässt sich in wenigen Stunden an völlig neue Roboterformen anpassen.
Wie die Entwicklung bei physischer KI in den vergangenen Monaten verdeutlicht hat, lag eine der größten Hürden bislang im Transfer gelernter Fähigkeiten auf unterschiedliche Roboter-Hardware. Google DeepMind gibt an, dass das On-Device-Modell durch ein verfeinertes Bewegungsübertragungsverfahren („Motion Transfer“) mit weniger als 200 Demonstrationsbeispielen an neue Roboterarme und Greifer angepasst werden kann.
Humanoiden in Bewegung: Ganzkörper-Aufgaben im Test
Im praktischen Versuch demonstrierte das Team die Fähigkeiten unter anderem am humanoiden Roboter Apollo 2 des Herstellers Apptronik. Auf den Befehl, eine Gießkanne in ein unteres Regal einzusortieren, steuerte das Modell den Roboter autonom von der Arbeitsfläche über mehrere Schritte hinweg bis zur Zielablage.
Feinmotorik mit 22 Freiheitsgraden an Roboterhänden
Neben der Ganzkörper-Balance erfasste das System auch feingliedrige Hände mit fünf Fingern und 22 Freiheitsgraden (SharpaWave-Hand). In Tests bewältigte der Roboter filigrane Aufgaben wie das Zuziehen von Ziplock-Beuteln oder das Knoten von Schnüren. Dennoch zeigen die veröffentlichten Messwerte, dass extrem anspruchsvolle Drehbewegungen wie das Eindrehen einer Glühbirne mit einer Erfolgsquote von 36 Prozent weiterhin eine Herausforderung darstellen.
Autonome Teamarbeit & Multi-Roboter-Kollaboration
Einen wichtigen Schritt in Richtung industrieller Anwendbarkeit markiert die integrierte Multi-Roboter-Kollaboration. Über das Reasoning-Modell ER 2 können unterschiedliche Robotertypen Aufgabenschritte untereinander aufteilen. Während beispielsweise ein mobiler Transportroboter Material heranführt, übernimmt ein zweiter Arm die Präzisionsmontage.
Sicherheits-Framework und Stopp bei menschlicher Nähe
Mit dem Modell-Update führt Google DeepMind den neuen Sicherheits-Benchmark ASIMOV-Agentic ein. Dieser testet, ob das übergeordnete Planungssystem unsichere oder fehlerhafte Bewegungsbefehle der untergeordneten Motorsteuerung verweigert und bei Unklarheiten selbstständig menschliche Hilfe anfordert.
Zusätzlich erkennt das System laut Herstellerberichten in Echtzeit, wenn sich Menschen im Aktionsradius befinden, und leitet bei zu geringem Abstand automatisch einen Sicherheitsstopp ein. Während die Reasoning-Komponente ab sofort über Google AI Studio testbar ist, verbleiben die direkten Steuerungsmodelle vorerst in einer geschlossenen Vorschau für ausgewählte Entwicklungspartner.
🎯 Was das für die Praxis bedeutet
1. Trennung von Denk- und Steuerungs-Ebene: Die Architektur zeigt, dass industrielle Robotik künftig auf eine Kombination aus lokalen Echtzeit-Motor-Modellen und Cloud-basierten Logik-Agenten setzt.
2. Schnellere Hardware-Adaption: Mit unter 200 Trainingsbeispielen sinkt der Aufwand drastisch, bestehende KI-Steuerungen auf neue Greifer oder Roboterarme im Betrieb anzupassen.
3. Sicherheitsstandards im Fokus: Unternehmen sollten bei der Evaluierung autonomer Systeme verstärkt auf integrierte Abstandssensorik und Sicherheits-Benchmarks wie ASIMOV-Agentic achten.
