Google Deepmind veröffentlicht neues KI-Modell für Roboter – das kann es

Ein neuer Meilenstein in der Robotik

Die Vision vom humanoiden Roboter, der als vielseitiger Helfer im Alltag fungiert, rückt durch neue Entwicklungen aus dem Hause Google Deepmind in greifbare Nähe. Mit der Vorstellung der Produktfamilie Gemini Robotics 2 adressiert das Alphabet-Tochterunternehmen eine zentrale Herausforderung der Robotik: die Transformation von spezialisierten Maschinen hin zu anpassungsfähigen Generalisten.

Anstatt Roboter für jede einzelne Tätigkeit mühsam neu zu programmieren, liegt der Fokus bei Gemini Robotics 2 darauf, den Systemen durch Künstliche Intelligenz ein Verständnis für ihre Umgebung zu vermitteln. Dies soll es den Maschinen ermöglichen, flexibel auf äußere Reize zu reagieren und Aufgaben zu bewältigen, die über ein fest definiertes Schema hinausgehen.

Vom Oberkörper zur Ganzkörperkontrolle

Ein wesentlicher Fortschritt gegenüber der ersten Generation, die 2025 eingeführt wurde, ist die Erweiterung des Funktionsspektrums. Während sich Gemini Robotics primär auf die Steuerung von Oberkörperbewegungen konzentrierte – etwa bei stationären Greifarmen an Arbeitstischen –, zielt die neue Generation auf eine ganzheitliche Koordination ab.

Diese Ganzkörperkontrolle ist essenziell für humanoide Roboter, die sich frei im Raum bewegen. In einem von Google Deepmind veröffentlichten Demonstrationsvideo zeigt ein Roboter des Herstellers Apptronik, wie er eine Gießkanne vom Boden aufhebt. Der Vorgang erfordert die präzise Ansteuerung des gesamten Körpers: von der Zielerfassung über das kontrollierte Beugen bis hin zum gezielten Greifen des Objekts. Auch wenn die Ausführungsgeschwindigkeit in der aktuellen Phase noch moderat ist, demonstriert das Modell eine neue Qualität der Bewegungsplanung.

Motorische Präzision und Fingerfertigkeit

Neben der grobmotorischen Koordination verspricht Google Deepmind eine signifikante Steigerung der motorischen Geschicklichkeit. Dies betrifft sowohl Systeme mit komplexen menschenähnlichen Händen als auch solche, die mit spezialisierten Greifern ausgestattet sind.

Ein anschauliches Beispiel für diese verbesserte Feinmotorik ist das Zusammenbinden von Müllbeutel-Halterungen. Was für Menschen eine intuitive Handlung darstellt, ist für Roboter technisch anspruchsvoll, da der Vorgang eine Kette fein abgestimmter Bewegungen erfordert. Die neue KI-Generation soll in der Lage sein, solche mehrstufigen Prozesse präzise abzubilden.

Kollaboration und Wissensübertragung

Ein weiterer Aspekt von Gemini Robotics 2 ist die Interoperabilität. Die Modelle sind darauf ausgelegt, dass Roboter unterschiedlicher Bauart und verschiedener Hersteller miteinander kommunizieren und kooperieren können. Dies eröffnet das Potenzial für Teamarbeit, bei der komplexe Aufgaben arbeitsteilig gelöst werden.

Besonders relevant ist hierbei der Aspekt der Wissensübertragung: Erkenntnisse, die ein Roboter durch maschinelles Lernen in einer bestimmten Umgebung gewonnen hat, sollen auf andere Systeme übertragen werden können. Dies könnte die Lernkurve für ganze Roboterflotten erheblich verkürzen.

Die drei Säulen der Modellfamilie

Google Deepmind strukturiert die neue Produktfamilie in drei spezialisierte Modelle, um unterschiedliche Anforderungen der Robotik abzudecken:

* **Gemini Robotics 2:** Das fortschrittlichste „Vision-Language-Action“-Modell (VLA). Es fungiert als zentrale Schnittstelle, die visuelle Wahrnehmungen und sprachliche Anweisungen direkt in motorische Aktionen übersetzt.

* **Gemini Robotics ER 2:** Ein „Embodied-Reasoning“-Modell. Es ist darauf spezialisiert, die physische Welt wahrzunehmen und logische Schlussfolgerungen für die Interaktion mit ihr zu ziehen.

* **Gemini Robotics On-Device 2:** Eine Variante, die lokal direkt auf der Hardware des Roboters ausgeführt werden kann. Dies ermöglicht den Betrieb ohne eine ständige Verbindung zu externen Netzwerken oder dem Internet, was für die Zuverlässigkeit und den Datenschutz in verschiedenen Einsatzszenarien von Bedeutung sein kann.

Die Entwicklung von Gemini Robotics 2 unterstreicht den Trend hin zu KI-gesteuerten Systemen, die nicht mehr nur starr programmierten Pfaden folgen, sondern in einer dynamischen Umwelt agieren können. Die nächsten Schritte in der Implementierung werden zeigen, wie sich diese Modelle in realen, unvorhersehbaren Alltagssituationen außerhalb von kontrollierten Testumgebungen bewähren.