Am 30. Juli 2026 veröffentlichte Google DeepMind Gemini Robotics ER 2 und positionierte es als das hochrangige "Gehirn" der Roboter: Das Modell ist verantwortlich für das Verständnis kontinuierlicher Video, die Planung von mehrstufigen Aufgaben und das Aktivieren von Werkzeugen, während spezifische Aktionen weiterhin vom zugrundeliegenden visuellen Sprach-Aktionsmodell oder der Robotersteuerungsoberfläche durchgeführt werden. Seine Bedeutung liegt darin, dass robotische Systeme beginnen, das Betrachten, Denken, Tun und erneutes Überprüfen in dieselbe Echtzeit-Kette zu integrieren.
Diese Verbesserung konzentriert sich auf drei Bereiche
- Setzen Sie die Bewertung während der Hinrichtung fort. ER 2 schaut sich kontinuierlich Videostreams an und bewertet den Fortschritt während der Aktion, anstatt jeden Schritt neu zu analysieren. Google integrierte es in die Gemini Live API, die einen latenzarten bidirektionalen Fluss unterstützt, in der Hoffnung, das fragmentierte Gefühl von Bots zu verringern, die "zum Nachdenken innehalten".
- Fehler werden entdeckt und Anpassungen vorgenommen. Das Modell identifiziert Anomalien wie Überschüttungen, Rutschen und Positionsabweichungen und entscheidet, ob es erneut versucht, korrigiert oder zum nächsten Schritt übergeht. Die offizielle Genauigkeit der Fortschrittsklassifizierung liegt bei 57,4 %, was auf einen klaren Fortschritt in der Fähigkeit hinweist, aber es gibt noch Raum, um vollständig loszulassen.
- Lass verschiedene Roboter abwechselnd weitergeben. Zusammenarbeit mit mehreren Robotern ermöglicht es Radplattformen, Roboterarmen oder humanoiden Robotern, Aufgabensemantik auszutauschen und dann Übergaben basierend auf ihren Stärken durchzuführen. Anstatt dass ein einzelner Roboter alles erledigt, ist dieser Ansatz näher an der echten Kombination aus Lager-, Labor- und Fabrikausrüstung.
"Wann aufhören sollte" ist zu einem wichtigen Indikator geworden
Die Schwierigkeit für Roboter besteht oft darin, einen Befehl nicht zu verstehen, sondern zu wissen, ob die Aktion tatsächlich ausgeführt wird. Die Momentfindungsbewertung von ER 2 wird verwendet, um den genauen Zeitpunkt eines kritischen Ereignisses zu bestimmen, etwa wann die Flüssigkeit an die richtige Stelle gegossen wurde. Google berichtete von 91,3 % Genauigkeit, einem durchschnittlichen absoluten Zeitfehler von 0,96 Sekunden, und die angegebenen Ausführungsgeschwindigkeiten waren viermal schneller als der Vergleichsplan.
Diese Zahlen können nicht direkt den Erfolgsraten realer Fabriken entsprechen. Lichtänderungen, Okklusion, mechanischer Verschleiß und Steuerungsverzögerungen beeinflussen alle Ergebnisse, und hochrangige Modelle basieren weiterhin auf zugrunde liegenden Aktionsmodellen und Hardware-Schnittstellen. Das Deployment-Team muss verifizierbare Abschlussbedingungen, Fehlerrückgriffe und manuelle Übernahmemechanismen für jede Aktion definieren.
Wie sollte die Sicherheitsfähigkeit verstanden werden?
Google erklärte, dass ER 2 humanoide Roboter stoppen kann, wenn Menschen sich nähern, und weiterarbeiten kann, sobald das Gebiet gesichert ist, und gleichzeitig Benchmarks zur Bewertung von Sicherheitsvorgaben, Umweltüberwachung und physischer Machbarkeit einführt. Dieser Ansatz ist wichtiger als nur die Verbesserung der Aufgabenwerte, aber die Leistungsbenchmarking kann die Sicherheitszertifizierung, Isolationseinrichtungen und Notstoppvorrichtungen nicht ersetzen.
Derzeit können Entwickler ER 2 über die Gemini API und Google AI Studio nutzen, während die Gemini Enterprise Agent Platform in der privaten Vorschau ist. Für Robotikteams ist der realistischste erste Schritt nicht, das Modell direkt die Produktionslinie übernehmen zu lassen, sondern mit Tests mit risikoarmen, überprüfbaren Ergebnissen zu beginnen, die jederzeit manuell beendet werden können.
