Das nutzbare Modell bewegt keinen Roboter

Ein Humanoid, der endlich seine Beine benutzt

Am 30. Juli hat Google DeepMind Gemini Robotics 2 veröffentlicht, und die tragende Vorführung zeigt einen Apptronik Apollo 2, der geht, in die Hocke geht, sich streckt und ein unaufgeräumtes Zimmer leert. Die technische Aussage darunter ist enger und interessanter als das Video: Erstmals steuert das System einen vollständigen Humanoiden, also Beine, Rumpf, Arme und mehrfingrige Hände, über eine einzige Strategie statt über eine Laufsteuerung, die auf einen getrennten Manipulationsstapel geschraubt wurde.

Genau darin liegt die Ingenieursleistung. Ein Roboter, der entscheiden muss, ob er einen Schritt näher tritt oder weiter greift, löst ein Problem und nicht zwei, und die vorige Generation konnte diesen Abgleich nicht treffen, weil ihre Hälften getrennt geregelt wurden. Gemini Robotics 2 kann außerdem Aufgaben über mehrere Minuten und Hunderte Entscheidungspunkte ausführen und sich dabei mit einem zweiten Roboter abstimmen.

Drei Modelle, drei verschiedene Türen

Die Veröffentlichung ist nicht eine Sache. Sie besteht aus Gemini Robotics 2, einem Vision-Language-Action-Modell für vollständige Humanoide und zweiarmige Roboter, aus Gemini Robotics ER 2, einem verkörperten Denkmodell, das als Planungsgehirn arbeitet, mehrstufige Abläufe ordnet und mehrere Maschinen dirigiert, sowie aus Gemini Robotics On-Device 2, einer Fassung für den lokalen Betrieb ohne Netzverbindung.

Die Zugangsstufen entsprechen nicht der Ankündigung. Gemini Robotics ER 2 steht ab sofort über Google AI Studio jedem Entwickler offen, dazu kommt eine private Vorschau auf der Gemini Enterprise Agent Platform. Beide Modelle, die tatsächlich Roboteraktionen erzeugen, bleiben registrierten Partnern mit frühem Zugang vorbehalten. Das Modell, das Sie heute aufrufen können, denkt über eine physische Szene nach und gibt einen Plan zurück. Die Modelle, die eine Maschine bewegen, liegen hinter einer Schranke.

Lesen Sie die ganze Tabelle, nicht die beste Zeile

Google hat Erfolgsquoten je Aufgabe veröffentlicht, was mehr Offenlegung ist als bei solchen Ankündigungen üblich, und die Zahlen verdienen es, vollständig gelesen zu werden. Auf einem Apollo mit Inspire-Händen erreichte die allgemeine Ganzkörpermanipulation 76,3 Prozent beim Griff aus dem Regal, 68,4 Prozent vom Tisch und 45,7 Prozent vom Boden. Auf einem Franka Duo mit Greifern fallen die Ergebnisse stärker aus: 74,2 Prozent beim allgemeinen Aufnehmen und Ablegen, 78,9 Prozent beim Kommissionieren verschiedener Werkzeuge und 89,6 Prozent beim präzisen Fügen.

In den Mehrfingerwerten steckt die Ehrlichkeit. Das Herausdrehen einer Glühbirne erreichte 92 Prozent. Die übrigen Mehrfingeraufgaben landeten zwischen 32 und 44 Prozent. Sechzig Prozentpunkte Spanne innerhalb einer Fähigkeit sind keine Rundungsfrage, sondern das Signal, dass Geschicklichkeit ein Forschungsproblem mit einigen gelösten Ecken bleibt. Wer Ihnen die 92 ohne die 32 nennt, verkauft die Vorführung.

Die Zahl, die die Ökonomie verändert, ist 200

Unter den Humanoid-Aufnahmen liegt die Zahl mit kommerzieller Wirkung. DeepMind berichtet, dass sich eine neue zweiarmige Roboterbauform in wenigen Stunden mit weniger als 200 Beispielen anpassen lässt, trotz Unterschieden in Form, Sensorik und Freiheitsgraden, und nennt neben der Apollo- und Franka-Hardware die Plattformen Dexmate, SO101 und Trossen.

Die Datenerhebung je Roboter war der strukturelle Kostenblock der Industrierobotik. Jeder neue Arm, Greifer oder Rahmen bedeutete bisher eine eigene Teleoperationskampagne, und dieser Aufwand hielt leistungsfähige Modelle an die Hardware gebunden, auf der sie trainiert wurden. Wenn einige hundert Beispiele eine Strategie wirklich zwischen Bauformen übertragen, verschiebt sich die Hürde von der Datenerhebung zur Integration, und Integration ist etwas, das ein mittelständischer deutscher Maschinenbauer längst zu verkaufen weiß.

Was ein europäischer Betrieb damit 2026 wirklich anfangen kann

Das in diesem Quartal nutzbare Produkt ist das Denkmodell, und das ist nicht wenig. ER 2 nimmt Video entgegen, versteht eine physische Szene, ordnet mehrstufige Aufgaben und stimmt mehr als eine Maschine ab, was auf Inspektionsrouten, die Reihenfolge von Lageraufgaben und Planungsschichten über bereits vorhandenen Robotern passt. Es ist aus Europa heute über Google AI Studio erreichbar und der richtige Ort für einen kleinen, eingegrenzten Pilotversuch.

Was es nicht trägt, ist ein Investitionsplan. Google ordnet die Arbeit als frühe Forschung ohne baldigen Einsatz beim Endkunden ein, jede gezeigte Handlung erforderte eigenes Training über Teleoperation, Video und Simulation, und Engadget verwies auf die Branchengeschichte humanoider Vorführungen, die still auf verborgene Bediener setzten. DeepMind stellte zudem ASIMOV-Agentic vor, einen Prüfmaßstab dafür, ob eine befohlene Handlung schädlich enden könnte, und die Robotikleiterin Carolina Parada formulierte die Lage deutlich: "Es wird eine Menge Unsicherheit auftauchen, und deshalb will man die Sicherheitsfrage tiefer verstehen können." Planen Sie Budget für einen Pilotversuch des Planers ein, nicht für einen Humanoiden an Ihrer Linie.

Weiterlesen: 87 Jahre enden mit einer Antwort, die jeder nachprüfen kann  |  Googles Spitzenmodell ist verspätet und hat kein neues Datum