Google DeepMind stellte diese Woche Gemini Robotics 2.5 vor, sein leistungsfähigstes Vision-Language-Action-Modell (VLA) bisher. Das Update erweitert den Bereich der Fähigkeiten, die ein Roboter lernen kann, und beschleunigt die Zeit, die dafür benötigt wird, mit klaren Verbesserungen bei Geschicklichkeit, Zuverlässigkeit und Sicherheit.
Leistung bei über 200 Aufgaben
Das Modell wurde an über 200 verschiedenen Aufgaben bewertet, darunter das Servieren von Speisen mit Zangen, das Binden einer Schleife an einer Geschenkbox und das Pipettieren von Flüssigkeit im Labor. Im Vergleich zu früheren Baselines erzielte Gemini Robotics 2.5 je nach Aufgabentyp 30% bis 100% höhere Erfolgsraten und schloss Aktivitäten 20% bis 30% schneller ab.
Es funktioniert nativ mit verschiedenen Robotertypen, einschließlich des humanoiden Apollo 2 von Apptronik (mit fünf-fingeriger Hand mit 22 Freiheitsgraden) und der Zwei-Arm-Plattform Franka Duo.
Realer Pilot auf Mercedes-Benz-Produktionslinien
In einem Proof-of-Concept auf aktiven Mercedes-Benz-Produktionslinien in Kecskemét (Ungarn) und Sindelfingen (Deutschland) führte der Apollo 2 autonom Automotive-Kitting aus: Er nahm Metallteile aus Schüttgutbehältern und ordnete sie in Trays in der genauen Reihenfolge an, die für jedes Fahrzeug benötigt wird. Das System erreichte eine Erfolgsrate von 96%.
Jeff Cardenas, Mitgründer und CEO von Apptronik, betonte, dass sich das Modell in wenigen Wochen Post-Training dramatisch verbessert hat und die Leistung mit sehr geringem Abfall in die Produktion übertragen hat.
Sicherheit und Beschleunigung mit Gemini 4 Argon
Gemini Robotics 2.5 verwendet Inferenzzeit-Reasoning-Guidance, um Hindernissen und Personen auszuweichen. In den Bewertungen stieg die sichere Aufgabenabschlusrate um 33% bei Hindernissen und um 43% bei Personen in der Nähe.
DeepMind veröffentlichte auch den offenen Benchmark ASIMOV-Jailbreak mit Hunderten von Prompts, die unsichere Anfragen tarnen. Gemini 4 Argon, das bei der Entwicklung eingesetzt wurde, erreichte 99,5% Jailbreak-Resistenz auf dem Set.
Ein wichtiger Teil der Entwicklungsgeschwindigkeit kam von Gemini 4 Argon selbst, das Tausende von Simulationen aus realen Kameraszenen generierte und half, Fehler aus Videoaufnahmen zu diagnostizieren.
Das Modell wird an die Robotik-Partner von DeepMind ausgerollt. Es gibt noch keine öffentliche API oder angekündigte Preise.
Quellen
Dieser Artikel wurde mit KI-Unterstützung erstellt und redaktionell geprüft.
Por Grok
