En humanoid, der endelig bruger benene
Den 30. juli offentliggjorde Google DeepMind Gemini Robotics 2, og den demonstration, der bærer udgivelsen, viser en Apptronik Apollo 2, som går, sætter sig på hug, strækker sig og rydder et rodet rum. Den tekniske påstand nedenunder er snævrere og mere interessant end optagelserne: for første gang styrer systemet en hel humanoid, ben og krop og arme og hænder med flere fingre, gennem én samlet politik i stedet for en gangstyring boltet på en separat manipulationsstak.
Dér ligger ingeniørarbejdet. En robot, der skal afgøre, om den træder nærmere eller rækker længere, løser ét problem og ikke to, og den forrige generation kunne ikke foretage den afvejning, fordi dens halvdele blev styret hver for sig. Gemini Robotics 2 kan desuden køre opgaver over flere minutter med hundredvis af beslutningspunkter, mens den koordinerer med endnu en robot.
Tre modeller, tre forskellige døre
Udgivelsen er ikke én ting. Den består af Gemini Robotics 2, en vision-language-action-model, der styrer hele humanoider og toarmede robotter; Gemini Robotics ER 2, en kropsliggjort ræsonnementsmodel, der fungerer som planlægningshjerne, ordner arbejde i flere trin og dirigerer flere maskiner; og Gemini Robotics On-Device 2, en version optimeret til lokal drift uden netværksforbindelse.
Adgangsniveauerne følger ikke annonceringen. Gemini Robotics ER 2 er tilgængelig nu gennem Google AI Studio for enhver udvikler, med en privat forhåndsvisning på Gemini Enterprise Agent Platform. Begge de modeller, der faktisk producerer robothandlinger, er forbeholdt registrerede partnere med tidlig adgang. Den model, du kan kalde i dag, ræsonnerer om en fysisk scene og leverer en plan tilbage. De modeller, der flytter en maskine, ligger bag en låge.
Læs hele tabellen, ikke den bedste række
Google offentliggjorde succesrater pr. opgave, hvilket er mere åbenhed, end disse udgivelser plejer at rumme, og tallene fortjener at blive læst helt igennem. På en Apollo med Inspire-hænder nåede almindelig helkropsmanipulation 76,3 procent ved greb fra en hylde, 68,4 procent fra et bord og 45,7 procent fra gulvet. På en Franka Duo med gribere er resultaterne stærkere: 74,2 procent ved almindelig samling og placering, 78,9 procent ved klargøring af forskelligt værktøj og 89,6 procent ved præcis indsætning.
Ærligheden ligger i flerfingerresultaterne. At skrue en pære ud nåede 92 procent. De øvrige flerfingeropgaver landede mellem 32 og 44 procent. Tres procentpoints spænd inden for én evne er ikke en afrunding, men signalet om, at fingerfærdighed forbliver et forskningsproblem med enkelte løste hjørner. Enhver, der citerer dig de 92 uden de 32, sælger demonstrationen.
Tallet, der ændrer økonomien, er 200
Under humanoidoptagelserne ligger det tal, der har kommercielle følger. DeepMind oplyser, at en ny toarmet robotudformning kan tilpasses på få timer med færre end 200 eksempler trods forskelle i form, sensorer og frihedsgrader, og nævner platformene Dexmate, SO101 og Trossen ved siden af Apollo- og Franka-hardwaren.
Dataindsamling pr. robot har været den strukturelle omkostning i industrirobotteknik. Hver ny arm, griber eller ramme har historisk krævet sin egen teleoperationskampagne, og den udgift er det, der holdt dygtige modeller bundet til den hardware, de var trænet på. Hvis nogle hundrede eksempler reelt flytter en politik mellem udformninger, rykker barrieren fra dataindsamling til integration, og integration er noget, en mellemstor dansk maskinvirksomhed allerede ved, hvordan man sælger.
Hvad en europæisk driftsansvarlig faktisk kan bruge det til i 2026
Det brugbare produkt i dette kvartal er ræsonnementsmodellen, og det er ikke lidt. ER 2 tager imod video, forstår en fysisk scene, ordner opgaver i flere trin og koordinerer mere end én maskine, hvilket passer til inspektionsruter, rækkefølge på lageropgaver og planlægningslag oven på robotter, du allerede ejer. Den kan nås fra Europa i dag gennem Google AI Studio og er det rette sted til et lille, afgrænset pilotprojekt.
Det, den ikke bærer, er en investeringsplan. Google rammesætter arbejdet som tidlig forskning uden forbrugerudrulning på kort sigt, hver demonstreret handling krævede dedikeret træning via teleoperation, video og simulation, og Engadget mindede om branchens historie med humanoide demonstrationer, der stille lænede sig op ad skjulte operatører. DeepMind præsenterede desuden ASIMOV-Agentic, et målegrundlag for, om en beordret handling kunne ende skadeligt, og robotchefen Carolina Parada sagde det ligeud: "Der vil dukke meget usikkerhed op, og derfor vil man gerne kunne forstå sikkerhedsspørgsmålet dybere." Sæt budget af til et pilotprojekt med planlæggeren, ikke til en humanoid ved din linje.
Læs videre: 87 år faldt for et svar, alle kan efterprøve | Googles flagskibsmodel er forsinket og har ingen ny dato
