Gemini Robotics 2.5 sortiert Teile mit 96 % Erfolg an Mercedes-Benz-Linien, Gemini 4 Argon bleibt vom Roboter weg

Google DeepMind hat am 10. November Gemini Robotics 2.5 vorgestellt, ein Vision-Language-Action-Modell, das jetzt an die Robotik-Partner ausgerollt wird, und stellt ein Fabrikergebnis an den Anfang. In einem Proof of Concept an laufenden Mercedes-Benz-Produktionslinien im ungarischen Kecskemét und in Sindelfingen holten Apptroniks Humanoide Apollo 2 Metallhalter aus Schüttgutkisten und legten sie in Sequenzbehälter, in der Reihenfolge, die jedes Fahrzeug braucht. DeepMind gibt die Erfolgsquote mit 96 % an.

Die Ankündigung zeigt Googles Robotik-Aufbau mit zwei Geschwindigkeiten an einer echten Linie. Robriefs Analyse vom Oktober kam zu dem Ergebnis, dass Gemini 4 Argon viel zu langsam ist, um einen Roboterarm in Echtzeit zu steuern. In Version 2.5 fasst es den Roboter gar nicht an. Laut DeepMind diente Argon als „Simulations-Engine“: Es erzeugte aus einer echten Kameraszene Tausende Übungsläufe und einen digitalen Zwilling und half den Forschern, aus Videos abzuleiten, warum Aufgaben scheiterten. An den Mercedes-Linien verfolgte das Embodied-Reasoning-Modell Gemini Robotics ER den Ablauf, Gemini Robotics 2.5 bewegte Hände und Arme.

Gemessen an DeepMinds eigenen Baselines

DeepMind hat das Modell nach eigenen Angaben an 200 verschiedenen Aufgaben getestet, etwa Essen mit einer Zange servieren, eine Schleife um ein Geschenk binden oder Flüssigkeit pipettieren. Gegenüber den bisherigen Baselines meldet es je nach Aufgabentyp 30 % bis 100 % höhere Erfolgsquoten und 20 % bis 30 % schnellere Ausführung. Apollo 2 nutzt das Modell mit der fünffingrigen SharpaWave-Hand mit 22 Freiheitsgraden, die Franka-Duo-Plattform mit Zwei-Finger-Parallelgreifern.

Bei der Sicherheit lief es genauso. Eine Reasoning-Steuerung zur Laufzeit erhöhte die sichere Ausführung von Aufgaben in der Nähe von Hindernissen um 33 % und in der Nähe von Menschen um 43 %, so DeepMinds eigene Auswertung. Dazu kommt ASIMOV-Jailbreak, ein offener Benchmark mit Hunderten getarnter gefährlicher Anfragen in Dutzenden Szenen. Argon erreicht dort 99,5 % Jailbreak-Resistenz, gegenüber 82 % bei Gemini Robotics ER 2.

Beim Kitting zählt jeder Griff

Kitting ist die Vorarbeit vor der Montage: Einzelteile in genau der Reihenfolge in Schalen sortieren, in der die Linie sie verbraucht. DeepMind sagt, Apollo habe Lücken unterwegs selbst ausgeglichen. Wenn die 96 % pro Griff gezählt sind, heißt das vier Fehlgriffe auf 100, jeder davon ein Halter außer der Reihe, falls ihn weiter hinten niemand abfängt. Einen Wert für dieselbe Aufgabe vor dem Post-Training nannte DeepMind nicht. Die Zahl zeigt also, wo Apollo angekommen ist, aber nicht, wie weit es sich bewegt hat.

Apptronik ist zuversichtlich. „Wir haben gesehen, wie sich die Modelle in nur wenigen Wochen Post-Training dramatisch verbessert haben und fast ohne Verlust in die Produktion bei Mercedes-Benz übertragen wurden“, sagte Mitgründer und CEO Jeff Cardenas.