Google erweitert den Zugang von Unternehmen zu KI, die Robotern hilft, Aufgaben zu planen und sich an veränderte Bedingungen anzupassen. Die Herausforderung besteht darin, dieses Schlussfolgern in zuverlässige physische Arbeit umzusetzen.
Google Cloud gab am 27. Oktober bekannt, dass Gemini Robotics Embodied Reasoning (ER) 2 über Model Garden auf seiner Gemini-Plattform als öffentliche Vorschau verfügbar ist. Die Einführung erweitert den Zugang von Unternehmen zu robotischem Schlussfolgern und eröffnet potenzielle Anwendungen in Lagern, der Logistik und Laboren.
Das Unternehmen stellte Gemini Robotics ER 2 am 30. Juli vor, machte es über die Gemini API und Google AI Studio öffentlich verfügbar und bot es auf der Gemini Enterprise Agent Platform als private Vorschau an. Die Ankündigung im Oktober erweitert dieses Angebot für Unternehmen nun zur öffentlichen Vorschau.
„Modelle mit fortgeschrittenem Schlussfolgern können Robotern dabei helfen, komplexe Umgebungen zu interpretieren, Aktionen zu planen und sich an veränderte Bedingungen anzupassen. Dadurch eröffnen sich neue Möglichkeiten für physische KI. Googles Modell Gemini Robotics ER 2 stellt einen wichtigen Schritt in diese Richtung dar“, sagte Barrie Mullins, Senior Director of Arm Total Design for Physical AI, bei Arm.
Google listet bis zum 31. Dezember 2026 Aktionspreise von 1 US-Dollar pro Million Eingabe-Token, 0,10 US-Dollar pro Million zwischengespeicherter Eingabe-Token und 5 US-Dollar pro Million Textausgabe-Token einschließlich des Schlussfolgerns. Laut Google wird die Aktion über eine Gutschrift von 50 % der Nettoausgaben gewährt. Ab dem 1. Januar 2027 verdoppeln sich die angegebenen Preise auf 2 US-Dollar, 0,20 US-Dollar beziehungsweise 10 US-Dollar.
So funktioniert Gemini Robotics ER 2
Gemini Robotics ER 2 ist ein Vision-Language-Modell, das visuelle Informationen interpretiert und natürliche Sprachverarbeitung nutzt, um Anweisungen zu verstehen.
Es verwendet Videostreams, um den Fortschritt von Aufgaben zu verfolgen und kritische Momente zu erkennen. ER 2 übernimmt das übergeordnete Schlussfolgern und Planen, während Vision-Language-Action-Modelle oder Robotik-APIs auf niedrigerer Ebene die Ausführung übernehmen.
Zu den wichtigsten Funktionen dieses KI-Modells gehört die Zusammenarbeit mehrerer Roboter in einem gemeinsam genutzten physischen Raum. Laut Google können Roboter, die das Modell verwenden, Aufgaben koordinieren und übergeben, um einen gemeinsamen Arbeitsablauf abzuschließen.
Für Unternehmenskunden, die sich um die Kompatibilität sorgen, ist ein wichtiges Unterscheidungsmerkmal von Gemini Robotics ER 2, dass dasselbe Schlussfolgerungsmodell verschiedene Roboterkörper unterstützen kann. Das bedeutet, dass Organisationen die Fähigkeiten zum Schlussfolgern möglicherweise über verschiedene Roboter hinweg wiederverwenden können, anstatt für jede Plattform vollständig separate KI-Systeme zu entwickeln.
Die Kompatibilität mit verschiedenen Körpern bedeutet jedoch nicht automatisch, dass jeder Roboter jede Aufgabe ausführen kann. Die physischen Systeme wie Sensoren, Aktoren und Steuerungen bestimmen weiterhin den Funktionsumfang des Roboters.
Was eWeek herausgefunden hat: Sicherheit hängt von mehr ab als vom Roboterdenken
Die Auswertung der Ankündigung und des technischen Sicherheitsberichts von Google durch eWeek hebt eine wichtige Unterscheidung hervor: Die Schlussfolgerungsfähigkeiten von ER 2 sind nur ein Teil der Sicherheit eines Roboters. Das Modell kann bei der Planung von Aufgaben und beim Erkennen von Fehlern helfen, doch Aktionsmodelle, Steuerungssoftware und die physische Hardware bestimmen weiterhin, wie diese Entscheidungen umgesetzt werden.
Google berichtet eine Genauigkeit von 97,9 % beim Benchmark „Safety Instruction Following“ und von 93,0 % beim Benchmark „Human Proximity“ bei einem Schwellenwert von einem Meter. Diese Werte messen die Leistung bei festgelegten Bewertungsaufgaben; sie sind keine allgemeinen Sicherheitsquoten für den Arbeitsplatz.
Der technische Sicherheitsbericht des Unternehmens sagt ausdrücklich, dass physische Schutzmaßnahmen wie Not-Aus-Schalter, Barrieren sowie Geschwindigkeits- oder Kraftbegrenzungen weiterhin unerlässlich sind. Der Bericht untersucht außerdem, ob ein Schlussfolgerungsmodell unsichere Anfragen ablehnen, Aufgaben erkennen kann, die die Fähigkeiten eines Aktionsmodells übersteigen, und Menschen um eine Präzisierung unklarer Anweisungen bitten kann.
Für Unternehmen bedeutet das, dass das Gesamtsystem die Einheit ist, die getestet werden muss. Bei einem Einsatz in einem Lager müssten Personen berücksichtigt werden, die in den Weg eines Roboters treten, ebenso wie unerwartet verrutschende Gegenstände. Bei einem Einsatz im Labor müssten unklare Messwerte von Instrumenten, empfindliche Geräte und Aktionen berücksichtigt werden, die sich nach einem Fehler nicht sicher wiederholen lassen.
Ein sinnvoller Pilotversuch sollte daher festlegen, wann der Roboter anhält, wann er menschliche Hilfe anfordert und wie Bediener nach einem Fehler eingreifen. Einen fehlgeschlagenen Schritt zu erkennen, ist wertvoll, doch ein erneuter Versuch ist nur dann angemessen, wenn der nächste Anlauf sicher durchgeführt werden kann – eine Herausforderung, die auch durch humanoide Roboter bei einem simulierten Feuerwehreinsatz veranschaulicht wird.
Die übergeordnete Bedeutung der Cloud-Vorschau liegt im leichteren Zugang zu einer Schlussfolgerungsebene, die verschiedene Maschinen unterstützen kann. Ob daraus nützliche Automatisierung entsteht, hängt davon ab, wie gut jeder Einsatz Schlussfolgern, physische Ausführung, Schutzvorkehrungen und menschliche Kontrolle miteinander verbindet.
Mehr lesen: Googles Cloud-Einführung baut auf seinem umfassenderen Vorstoß in die Robotik auf – erfahren Sie, wie Gemini Robotics 2 humanoide Bewegungen, Aufgabenplanung und Zusammenarbeit koordiniert.