Google DeepMind hat am 30. Juli Gemini Robotics 2 veröffentlicht, und die Überschrift ist einfach: Das Modell vom letzten Jahr steuerte nur den Oberkörper eines Roboters. Dieses steuert die gesamte Maschine – Gehen, Hocken, Greifen, Festhalten – und gleichzeitig arbeitet es in Echtzeit an einer mehrstufigen Aufgabe.
Was es tatsächlich tut
Es ist ein Vision-Sprache-Handlungs-Modell, kein Chatbot. Zeigt man einem Humanoiden eine Aufgabe zu, plant Geminis Reasoning die Schritte und koordiniert dann den gesamten Körper zur Ausführung. Die Geschicklichkeits-Demos sind das, worauf die Leute starren: Eine Glühbirne einschrauben, Knoten binden – die filigranen, feinfühligen Bewegungen, bei denen Roboter normalerweise straucheln. Es kann auch mehrere Roboter in einem gemeinsamen Raum synchronisieren, um Arbeiten zu erledigen, die ein einzelner Roboter nicht bewältigen kann.
Warum es wichtig ist
Der eigentliche Trick ist die Zero-Shot-Generalisation. Gibt man ihm eine Aufgabe, für die es nie trainiert wurde, passt es sich sofort an und soll angeblich innerhalb von Stunden auf einen neuen Bi-Arm-Roboter portiert werden, anstatt Monate robot-spezifischer Feinabstimmung zu benötigen. Bloomberg und The Robot Report berichteten am selben Tag darüber; Hacker News brachte es mit 92 Punkten auf die Titelseite.
Der Zugriff erfolgt über die Gemini Robotics-Plattform für Robotik-Entwickler und Partner – ein öffentliches Self-Service-API gibt es noch nicht.