Google DeepMind hat mit Gemini Robotics 2.5 die nächste Stufe seiner Modellfamilie für physische Robotersteuerung vorgestellt. Während frühere Systeme wie Gemini Robotics 2 vor allem auf die Koordination von Ganzkörperbewegungen ausgelegt waren, rückt das neue Vision-Language-Action-Modell (VLA) zwei der anspruchsvollsten Disziplinen der Robotik in den Mittelpunkt: die millimetergenaue Feinmotorik beim Hantieren mit nachgiebigen Gegenständen und den verlässlichen Dauereinsatz in realen Werkshallen.
Nach Angaben des KI-Labors steigert die neue Modellarchitektur sowohl die Bandbreite erlernbarer Aufgaben als auch die Lerngeschwindigkeit drastisch. Zugleich legte DeepMind erste Ergebnisse eines großflächigen Industrie-Pilotprojekts mit Mercedes-Benz vor, bei dem humanoide Roboter in der aktiven Fahrzeugmontage eingesetzt wurden.
Vom Schleifenbinden bis zur Pipette: Die Hürde der Feinmotorik
Für Roboter in unstrukturierten Umgebungen stellen verformbare Materialien und empfindliche Werkzeuge seit jeher eine enorme Herausforderung dar. Während starre Metallteile leicht zu berechnen sind, verändern Seile, Textilien oder Flüssigkeiten bei jeder Berührung unvorhersehbar ihre Gestalt.
Google DeepMind gibt an, Gemini Robotics 2.5 in mehr als 200 unterschiedlichen Aufgaben evaluiert zu haben. Zu den Demonstrationen gehören unter anderem das Binden einer Schleife um eine Geschenkschachtel, das präzise Pipettieren von Flüssigkeiten im Labor sowie das Greifen und Servieren von Lebensmitteln mit einer Servierzange. Laut den veröffentlichten Benchmarks erzielt Gemini Robotics 2.5 je nach Aufgabenstellung eine um 30 bis 100 Prozent höhere Erfolgsrate als vorherige Baselines und erledigt die Handgriffe gleichzeitig um 20 bis 30 Prozent schneller.
Das System ist hardwareunabhängig konzipiert. Es steuert sowohl humanoide Zweibeiner wie den Apollo 2 von Apptronik mit seiner fünfgliedrigen SharpaWave-Hand (22 mechanische Freiheitsgrade) als auch spezialisierte Industrieplattformen wie den Franka Duo mit klassischen Parallelgreifern.
Fließbandtest bei Mercedes-Benz: 96 Prozent Trefferquote beim Kitting
Den Nachweis industrieller Tauglichkeit lieferte ein Praxiseinsatz in der Automobilproduktion. Gemeinsam mit dem Roboterhersteller Apptronik testete DeepMind das Modell auf aktiven Fertigungslinien von Mercedes-Benz an den Standorten Sindelfingen und Kecskemét (Ungarn).
Der humanoide Roboter Apollo 2 übernahm dabei das sogenannte Automotive Kitting - das fehlerfreie Heraussuchen und vorsortierte Bereitstellen fahrzeugspezifischer Montageteile aus Großbehältern in sequenzierte Transportwannen:
Zwei Modelle im Verbund
Ablaufplanung (Gemini Robotics ER): Das visuelle Denkmodell überwacht den gesamten Montageprozess, plant mehrstufige Arbeitsschritte und reagiert flexibel, wenn Teile verrutschen oder Behälter Lücken aufweisen.
Aktionssteuerung (Gemini Robotics 2.5): Das VLA-Modell übernimmt die direkte Bewegungskontrolle der Arme und Finger, greift metallische Karosseriehalterungen zielsicher und platziert sie passgenau.
In dem Werkstest habe Apollo 2 eine Erfolgsquote von 96 Prozent erzielt. Die Anpassung an die Werksbedingungen soll nach Angaben der Partner lediglich wenige Wochen Post-Training erfordert haben, wobei die Übertragungsleistung vom Testlabor auf den echten Fabrikboden nahezu ohne Leistungsabfall gelungen sei.
Virtuelle Zwillinge: Gemini 4 Argon als Simulationsmotor
Einer der Hauptgründe für den schnellen Entwicklungssprung liegt im Einsatz moderner Weltmodelle. Wie bereits beim Rollout von Gemini 4 Argon deutlich wurde, nutzt DeepMind sein physikalisches Denkmodell als synthetische Simulationsumgebung.
Argon erzeugt aus einer einzigen realen Kameraaufnahme vollwertige digitale Zwillinge und simuliert darin tausende abweichende Trainingsdurchläufe. Scheitert ein Roboterarm an einem Handgriff, analysiert das Modell die Videoaufzeichnung des Fehlversuchs, leitet Hypothesen über die Ursache ab und optimiert die Steuerungsstrategie virtuell vor, bevor sie auf die physische Maschine übertragen wird.
Zusätzlich führt Version 2.5 eine dynamische Sicherheitssteuerung (Inference-Time Guidance) ein. Das Modell berechnet während der Bewegungsausführung kontinuierlich Ausweichpfade, sobald Gefahrenquellen auftauchen. In den Tests steigerte dies die Quote sicherer Aufgabenerledigungen um 33 Prozent bei unerwarteten Hindernissen und um 43 Prozent bei sich nähernden Personen.
ASIMOV-Jailbreak: Neuer Sicherheitsstandard gegen Manipulation
Mit dem Eintritt von Robotern in offene Arbeits- und Lebensbereiche wächst auch das Risiko gezielter Manipulationen. DeepMind veröffentlicht parallel den Open-Source-Benchmark ASIMOV-Jailbreak, der Hunderte raffinierter Prompts enthält, die Sicherheitsfilter umgehen und gefährliche Roboteraktionen provozieren sollen.
Während das Vorgängermodell Gemini Robotics ER 2 bei diesem Stresstest lediglich eine Abwehrquote von 82 Prozent erreichte, wehrt die mit Gemini 4 Argon gekoppelte Sicherheitsarchitektur nach DeepMind-Messungen 99,5 Prozent aller Jailbreak-Versuche erfolgreich ab.
Herausforderungen für den breiten Werkseinsatz
Trotz der beachtlichen Labor- und Testergebnisse steht der flächendeckende Rollout humanoider Systeme vor handfesten Hürden:
- Fehlertoleranz im Minutentakt: Eine Erfolgsquote von 96 Prozent bedeutet in der industriellen Praxis, dass bei jedem 25. Teil ein menschlicher Mitarbeiter eingreifen muss. Im hochgetakteten Karosseriebau führt das rasch zu Stauungen.
- Mechanischer Verschleiß: Hochkomplexe Greifhände mit 22 Freiheitsgraden sind mechanisch fragil. Wie gut Motoren, Gelenke und taktile Sensoren den Dreischichtbetrieb unter industriellen Schmutz- und Vibrationsbedingungen überstehen, müssen Langzeitstudien erst noch beweisen.
- Infrastruktur-Abhängigkeit: Da die komplexe Trajektorienplanung auf Cloud-Inferenz setzt, binden sich Anwenderunternehmen eng an die proprietäre Plattform von Google.
🎯 Was das für die Praxis bedeutet
1. Kitting als erstes Einsatzfeld: Die logistische Vorsortierung von Bauteilen entwickelt sich zum wirtschaftlich attraktivsten Einstiegspunkt für humanoide Roboter, da sie monotone Hebearbeiten von Fachkräften abfedert.
2. Schnelleres Anlernen neuer Aufgaben: Durch simulationsgestütztes Vortraining mit virtuellen Zwillingen schrumpft der Zeitaufwand für neue Greifpfade von mehreren Monaten auf wenige Wochen.
3. Physische Sicherheit erfordert Echtzeit-Korrektur: Sicherheitsprüfungen dürfen nicht bei der Textaufforderung enden; praxistaugliche Systeme müssen Bewegungsvektoren bei Personenannäherung im Millisekundentakt physikalisch nachregeln.
