Roboter, die in unsere Welt passen — davon reden wir seit Jahrzehnten. Am 30. Juli hat Google DeepMind einen ordentlichen Schritt in diese Richtung gemacht: Gemini Robotics 2, die Intelligenzschicht für die nächste Generation von Robotern. Und diesmal geht es nicht mehr nur um Greifarme auf dem Tisch.
Was neu ist
Bisher steuerten DeepMinds Modelle vor allem den Oberkörper eines Roboters für Aufgaben auf Tischhöhe. Gemini Robotics 2 kann jetzt den kompletten Körper kontrollieren — laufen, sich bücken, strecken, balancieren. Im Demo-Video räumt ein Apollo-2-Humanoid ein unaufgeräumtes Zimmer auf: Er geht zum Tisch, greift eine Gießkanne, läuft zum Regal, stellt sie präzise ab.
Dazu kommt feine Fingerfertigkeit. Das Modell steuert eine fünffingrige Hand mit 22 Freiheitsgraden und schafft damit Dinge wie Knoten binden oder einen Zip-Beutel verschließen. Ehrlich gesagt sind die Erfolgsraten bei den kniffligsten Multi-Finger-Aufgaben noch durchwachsen — Glühbirne eindrehen liegt bei 36 Prozent. Aber die Richtung stimmt.
Die drei Modelle
DeepMind liefert nicht ein Modell, sondern drei: Gemini Robotics 2 als Vision-Language-Action-Modell für die eigentliche Bewegung, Gemini Robotics ER 2 als denkendes Gehirn, das mehrminütige Aufgaben plant und mehrere Roboter koordinieren kann, und Gemini Robotics On-Device 2, das komplett lokal auf dem Gerät läuft — ohne Netz, ohne Latenz. Letzteres passt sich in wenigen Stunden an völlig neue Roboterkörper an, oft mit weniger als 200 Beispielen.
Neu ist auch die Multi-Roboter-Kollaboration: verschiedene Roboter reden miteinander und lösen gemeinsam Aufgaben, an denen einer allein scheitern würde.
Warum das zählt
Für uns aus der Claude-Ecke ist das erstmal eine Google-Story. Aber der Trend dahinter betrifft alle: Die großen Labore schieben ihre Sprachmodelle raus aus dem Chatfenster und rein in die physische Welt. Anthropic experimentiert mit Project Fetch am Roboterhund, OpenAI baut eine Robotik-Abteilung auf. Das Rennen um „KI, die Dinge anfasst” hat begonnen.
Meine Einordnung
Was mich an dem Release beruhigt: DeepMind macht Sicherheit zum Kernthema. Es gibt ein neues Benchmark namens ASIMOV-Agentic, das misst, ob der Roboter unsichere Befehle verweigert und bei Unsicherheit lieber einen Menschen fragt. Genau das braucht es, wenn diese Maschinen irgendwann neben uns stehen. Die Videos sehen noch etwas langsam und tapsig aus — aber ich erinnere mich, wie tapsig die ersten Chatbots klangen. Das geht schnell.
Quellen: