Google DeepMind treibt Roboter in Richtung Ganzkörpersteuerung

DeepMind erweitert sein Robotik-Versprechen

Google DeepMind hat Gemini Robotics 2 vorgestellt und es als Schritt über Robotersysteme positioniert, die auf Arme oder Tischmanipulation beschränkt sind, hin zu breiterer Autonomie des gesamten Körpers. Laut The Robot Report ergänzt das aktualisierte Vision-Language-Action-Modell intelligente Ganzkörpersteuerung, mehr Geschicklichkeit und Unterstützung für mehrere Roboter, die zusammenarbeiten.

Die Ankündigung ist wichtig, weil sie eine anhaltende Lücke in der Robotik adressiert. Viele Systeme können in begrenzten Umgebungen sorgfältig orchestrierte Manipulationsaufgaben ausführen, aber deutlich weniger können Wahrnehmung, Sprachverständnis und koordinierte Bewegung über den gesamten humanoiden Körper hinweg verbinden. DeepMinds Behauptung ist, dass Gemini Robotics 2 dieser Schwelle näherkommt, indem Roboter Bewegungen wie Gehen, Hocken, Strecken und den Umgang mit Objekten als Teil einer einzigen Aufgabe erdenken können.

Das bedeutet nicht, dass allgemeine humanoide Roboter bereits angekommen sind. Der Bericht weist vorsichtig darauf hin, dass die Bewegungsgeschwindigkeit noch verbessert werden muss. Er rahmt diese Veröffentlichung jedoch als wichtigen Schritt ein, um multimodale KI von einer Tisch-Demo-Ebene zu einem Controller für realistischere physische Arbeit zu machen.

Von Oberkörper-Demos zu Ganzkörperaktionen

Frühere Modelle von DeepMind konzentrierten sich auf die Steuerung des Oberkörpers für Tischaufgaben. Gemini Robotics 2 wird dagegen als System beschrieben, das den gesamten Roboterkörper steuert. The Robot Report sagt, das System könne Benutzerabsichten in koordinierte Ganzkörperbewegungen übersetzen und einem humanoiden Roboter ermöglichen, sich im Raum zu bewegen und Aufgaben auszuführen, die sowohl Fortbewegung als auch Manipulation erfordern.

Ein Beispiel im Bericht verwendet den humanoiden Roboter Apollo 2 von Apptronik. Wenn er angewiesen wird, eine Gießkanne in einen grünen Behälter auf einem unteren Regal zu legen, soll der Roboter die Anweisung verstehen, zu einem Tisch gehen, das Objekt aufheben, den Raum überqueren und es am Zielort ablegen. Diese Abfolge ist nicht deshalb bemerkenswert, weil ein einzelner Schritt neu wäre, sondern weil sie natürliche Sprache, Objektmanipulation, Gehen und präzises Platzieren in einem kontinuierlichen Verhalten vereint.

Wenn sich diese Fähigkeiten außerhalb kontrollierter Demos als robust erweisen, würden sie eine praktische Ausweitung dessen markieren, was humanoide Plattformen versuchen können. Lagerhäuser, Labore und Serviceumgebungen benötigen oft genau diese Mischung aus Mobilität und Manipulation, nicht nur isolierte Armbewegungen an einer festen Station.

Geschicklichkeit und Zusammenarbeit sind die anderen Schlagzeilen

DeepMind betont außerdem feinere motorische Kontrolle. The Robot Report sagt, Gemini Robotics 2 könne die fünf Finger und 22 Freiheitsgrade umfassende SharpaWave-Hand auf Apollo 2 steuern. Das deutet darauf hin, dass das Unternehmen nicht nur an Grobmotorik arbeitet, sondern auch an den feineren Finger- und Handbewegungen, die für nützliches Greifen und Platzieren erforderlich sind.

Geschicklichkeit bleibt einer der schwierigsten Teile der Robotik in der realen Welt. Ein Roboter, der einen Raum durchqueren kann, hat nur begrenzten Nutzen, wenn er nicht zuverlässig gemischte Objekte greifen, sie korrekt ausrichten und mit unübersichtlichen Umgebungen interagieren kann. Mit dem Fokus auf fortgeschrittene Handsteuerung signalisiert DeepMind, dass sein Robotik-Stack mehr vom Manipulationsproblem abdecken soll, nicht nur Navigation und Sprachinterpretation.

Das Unternehmen führt auch die Zusammenarbeit mehrerer Roboter ein. Der Bericht sagt, Gemini Robotics ER 2, ein embodied reasoning Modell, das als Vision-Language-Model-Agent aufgebaut wurde, soll Robotern helfen, mit Menschen zu kommunizieren, die physische Welt zu verstehen und mehrstufige Aufgaben zu planen, die mehrere Minuten dauern. DeepMind positioniert diese Denkebene als Grundlage für Roboterteams, die gemeinsam an einer Aufgabe arbeiten, statt als isolierte Maschinen zu agieren.

Das ist strategisch wichtig. In der industriellen Automatisierung hängt der Wert eines Robotersystems oft von der Orchestrierung über mehrere Maschinen und Workflows ab. Wenn KI-Modelle Übergaben koordinieren oder Arbeit zwischen Robotern aufteilen können, könnte sich die Ökonomie der Einführung zugunsten flexiblerer Automatisierung verschieben.

On-Device-Ausführung könnte die Einführung erweitern

Ein weiterer bemerkenswerter Punkt ist die lokale Ausführung. The Robot Report sagt, Gemini Robotics 2 könne direkt auf dem Gerät laufen und sich innerhalb weniger Stunden an völlig neue Roboterkörper anpassen. DeepMind hat separat Gemini Robotics On-Device 2 vorgestellt, das laut Unternehmen für die lokale Ausführung auf Robotikhardware optimiert ist und sich mit wenigen Stunden Daten an neue Verkörperungen anpassen kann.

Diese Behauptung adressiert zwei reale Hürden in der Robotik-Einführung. Erstens kann Cloud-Abhängigkeit Latenz, Zuverlässigkeitsprobleme und operative Komplexität erhöhen. Zweitens wollen Robotikentwickler ein System nicht für jede neue Plattform von Grund auf neu trainieren. Ein Modell, das schnell auf unterschiedliche Verkörperungen umgestellt werden kann, wäre für Hardwarehersteller und Unternehmenskunden attraktiver, die Integrationszyklen verkürzen wollen.

Die Verfügbarkeit ist jedoch weiterhin begrenzt. The Robot Report sagt, Gemini Robotics ER 2 sei in Google AI Studio und in privater Vorschau auf der Gemini Enterprise Agent Platform verfügbar, während die VLA- und On-Device-Modelle frühen Zugangspartnern angeboten werden. Das bedeutet, die Ankündigung ist noch eher ein kontrollierter Rollout als eine breite Produktveröffentlichung.

Was die Veröffentlichung für Physical AI signalisiert

Die übergeordnete Botschaft ist, dass große KI-Unternehmen stärker in physische Systeme vordringen, nicht nur in digitale Assistenten. DeepMinds Darstellung legt nahe, dass Robotik die nächste Arena ist, in der multimodale Modelle beweisen müssen, dass sie Verständnis mit Handlung verbinden können. Sprache, Vision und Planung sind nützlich, aber in der Robotik zählen sie nur, wenn sie zuverlässige Bewegung in unordentlichen realen Räumen erzeugen.

Gemini Robotics 2 entscheidet nicht, ob humanoide Roboter der Gewinnerformfaktor sind, und es beweist auch nicht, dass die Steuerung nach Art von Basismodellen das Zuverlässigkeitsproblem gelöst hat. Es zeigt aber, wohin sich das Feld bewegt: hin zu Modellen, die über verschiedene Roboterkörper generalisieren, lokal ausführen, sowohl Fortbewegung als auch Geschicklichkeit nutzen und sich mit anderen Robotern bei mehrstufigen Aufgaben koordinieren können.

Warum das wichtig ist

• Die Veröffentlichung erweitert die KI-Steuerung von Tischmanipulation auf Ganzkörperbewegung.
• DeepMind verbindet Fortbewegung mit geschickter Handsteuerung, eine zentrale Voraussetzung für praktische Arbeit.
• On-Device-Betrieb und schnellere Anpassung könnten Integrationsbarrieren für neue Hardware senken.
• Die Zusammenarbeit mehrerer Roboter weist auf breitere Automatisierungssysteme hin, nicht auf Maschinen für einen einzigen Zweck.

Der unmittelbare Test wird sein, ob frühe Zugangspartner diese Fähigkeiten jenseits von Vorführszenarien reproduzieren können. Wenn ja, könnte Gemini Robotics 2 ein wichtiger Marker beim Übergang von multimodalen KI-Demonstrationen zu leistungsfähigerer physischer Automatisierung werden.

Dieser Artikel basiert auf der Berichterstattung von The Robot Report. Den Originalartikel lesen.