Das neue Robotermodell von Google DeepMind ist sein bislang deutlichster Versuch, Allzweckroboter bei echter Arbeit statt bei Labordemos zu zeigen. Gemini Robotics 2.5 ist ein Vision-Language-Action-Modell, nimmt also Kamerabilder und Anweisungen auf und gibt Bewegungen aus, und der wichtigste Beleg stammt aus einer Autofabrik statt aus einer Benchmark-Tabelle.
DeepMind gibt an, das Modell an mehr als 200 verschiedenen Aufgaben getestet zu haben, darunter Essen mit einer Zange servieren, eine Schleife an einem Geschenkkarton binden und Flüssigkeit pipettieren. Gegenüber den eigenen früheren Vergleichswerten stieg die Erfolgsquote je nach Aufgabentyp um 30% bis 100%, und die Aufgaben waren 20% bis 30% schneller erledigt. Das Modell läuft auf verschiedenen Robotern, etwa dem humanoiden Apollo 2 von Apptronik mit Fünffingerhand und dem zweiarmigen Franka Duo mit einfachen Greifern.
Konkreter ist ein Pilotprojekt mit Apptronik und Mercedes-Benz in den Werken Kecskemét in Ungarn und Sindelfingen in Deutschland. Apollo-2-Roboter übernahmen dort das Kitting: Metallhalter aus Schüttgutbehältern greifen und in der Reihenfolge, die jedes Auto am Band braucht, in Schalen legen. Sie erreichten eine Erfolgsquote von 96%, wobei ein separates Denkmodell, Gemini Robotics ER, den Ablauf verfolgte und 2.5 Arme und Hände steuerte. Bei der Sicherheit erhöhte eine Denkführung zur Laufzeit den sicheren Abschluss von Aufgaben in der Nähe von Hindernissen um 33% und in der Nähe von Menschen um 43%. Zudem veröffentlichte DeepMind ASIMOV-Jailbreak, einen offenen Benchmark mit Hunderten Prompts, die gefährliche Anfragen tarnen. Darin widerstand Gemini 4 Argon 99,5% der Versuche, gegenüber 82% beim älteren Gemini Robotics ER 2.
Die Verbindung zu unserem Test von Gemini 4 Argon ist direkt. DeepMind schreibt Argon zu, die Entwicklung beschleunigt zu haben, indem es aus einer einzigen echten Kameraszene Tausende simulierte Übungsläufe erzeugte und Forschenden half, Fehler anhand von Videos zu erklären. Trifft das zu, verlagert sich der Engpass in der Robotik vom Sammeln physischer Daten dahin, wie gut ein allgemeines Modell sie sich vorstellen kann.
Das meiste lässt sich von außen nicht prüfen. Alle Zahlen stammen aus DeepMinds eigenen Auswertungen gegen eigene ältere Modelle, und die Spanne von 30% bis 100% ist zu breit, um viel über eine einzelne Aufgabe zu sagen. Das Modell wird nur an Robotik-Partner ausgeliefert, unabhängige Entwickler können es also nicht testen. Eine Erfolgsquote von 96% ist ein starker Pilot, doch eine Produktionslinie verlangt meist mehr Zuverlässigkeit, bevor ein Roboter einen Menschen an einer Station ersetzt, und der Beitrag nennt weder Zahlen zum Tempo im Vergleich mit menschlichen Arbeitskräften noch zu den Kosten.