Google DeepMind hat Gemini Robotics 2 veröffentlicht, eine Suite von KI-Modellen, die Roboter von programmierten Bewegungen zu echter Echtzeit-Intelligenz führen soll — allen voran ein Embodied-Reasoning-Modell, das plant, während es sich bewegt.

Das Flaggschiff-Modell Gemini Robotics ER 2 fungiert als übergeordnetes Gehirn für Roboter: Es beobachtet, was der Roboter wahrnimmt, und plant gleichzeitig die nächste Aktion, sodass die Maschine über das Nachdenken zwischen den Schritten hinaus über das Kommende nachdenken kann, während sie ihre aktuelle Aufgabe ausführt. DeepMind zufolge ermöglicht das flüssige Ganzkörperkoordination — Gleichgewicht, Gehen und mehrstufige Manipulation — sowie erstmals auf dieser Ebene die Zusammenarbeit mehrerer Roboter, die sich einen Denkprozess teilen, um eine Aufgabe aufzuteilen und zu bewältigen.

Die am 30. Juli angekündigte und über die Gemini API und Google AI Studio verfügbare Suite ist der nächste Schritt in DeepMinds Wette, dass sich allgemeine Intelligenz zuerst in der physischen Welt beweisen wird. Durch die Kombination von Videoverständnis mit verkörperter Argumentation kann ER 2 interpretieren, was ein Roboter sieht, entscheiden, was wichtig ist, und entsprechend handeln — und schließt damit die Schleife, die frühere Modelle zwischen Wahrnehmung und Handlung offen ließen.

Für Robotik-Entwickler senkt die Veröffentlichung die Hürde für den Bau adaptiver Systeme: Nicht mehr jede Eventualität muss manuell programmiert werden. Die größere Frage ist, wie schnell sich die Denk-Handlungs-Schleife auf reale Einsätze skalieren lässt, wo Latenz, Sicherheit und Hardware-Grenzen weiterhin dominieren.

Quellen