Google DeepMind hat mit Gemini Robotics 2.0 eine neue Generation von KI-Modellen für die Robotik vorgestellt. Die aktualisierten Systeme sollen Robotern ermöglichen, komplexere Aufgaben zu bewältigen, sich kontinuierlich an dynamische Umgebungen anzupassen und mit anderen Robotern zu kooperieren. Von den drei neuen Submodellen ist eines, Gemini Robotics ER 2, ab sofort öffentlich für Entwickler verfügbar.
Verbessertes Verständnis und Handlungsfähigkeit
Das Ziel von Gemini Robotics ist die Entwicklung eines generalistischen Roboters, der Aufgaben vergleichbar mit einem Menschen ausführen kann – ein Konzept, das Google DeepMind als „physische AGI“ bezeichnet. Mit der 2.0-Version verspricht Google eine verbesserte Geschicklichkeit bei der Steuerung humanoider Roboter, selbst bei Maschinen mit komplexen Händen.
Im Zentrum steht Gemini Robotics ER 2, ein weiterentwickeltes „Embodied Reasoning“-Modell. Dieses Vision Language Model (VLM) ist darauf ausgelegt, Anweisungen und die physische Umgebung zu verstehen. Eine wesentliche Neuerung ist die Verarbeitung von Live-Video-Feeds der Roboterkameras, wodurch das System den Fortschritt einer Aufgabe in Echtzeit verfolgen kann. Laut Google kann ER 2 die Vollständigkeit von Videobildern mit fast 60 Prozent Genauigkeit klassifizieren. Zudem identifiziert es Schlüsselmomente in Video-Feeds, beispielsweise den Zeitpunkt, an dem das Eingießen einer Flüssigkeit beendet werden soll, mit nahezu 90 Prozent Genauigkeit. Bei mehrstufigen Aufgaben ermöglicht das Modell Robotern, Fehler in Echtzeit zu erkennen und lediglich den fehlerhaften Schritt zu wiederholen, anstatt die gesamte Aufgabe neu zu starten. Es ist in die Gemini Live API integriert.
Neben ER 2 gibt es weitere Modelle: Gemini Robotics 2, ein Vision-Language-Action-Modell, das Roboteraktionen aus Anweisungen generiert, und eine Offline-Version namens Gemini Robotics On-Device 2. Diese Modelle sind derzeit nur einer kleinen Gruppe von Testern zugänglich. Google betont, dass die neuen Aktionsmodelle präziser und effizienter sind und sich mit geringem Trainingsaufwand an neue Roboterdesigns anpassen können.
Fokus auf Robotersicherheit
Angesichts der potenziellen Risiken von KI-Fehlern in physischen Systemen legt Google DeepMind großen Wert auf Sicherheit. Jede Schicht von Gemini Robotics enthält traditionelle physikalische Sicherheitsmaßnahmen in Kombination mit robusten KI-Sicherheits-Frameworks.
Mit der Veröffentlichung von Gemini Robotics 2.0 wird ein neuer Sicherheits-Benchmark namens ASIMOV-Agentic eingeführt. Dieser Test bewertet Modelle hinsichtlich verschiedener Sicherheitsfaktoren, darunter die Fähigkeit eines „Embodied Reasoning“-Agenten, unsichere Tool-Aufrufe von einem VLA abzulehnen. Er prüft auch, ob eine Aufgabe sicher ausführbar ist und ob das Modell menschliche Hilfe anfordern kann, wenn es unsicher ist. Gemini Robotics ER 2 wird als das bisher sicherste Modell des Teams beschrieben, das eine robuste Fähigkeit zum Verständnis von Sicherheit und zum Anhalten von Aktionen bei zu großer Nähe eines Menschen zum Roboter aufweist. Der neue Sicherheits-Benchmark ist vollständig auf Hugging Face verfügbar.
Thema: Gemini. Quelle/Inspiration: Ars Technica.