DeepMind stellt Gemini Robotics 2 vor: Ganzkörper-Dynamikintelligenz revolutioniert Robotik

Hintergrund

Die verkörperte künstliche Intelligenz (Embodied AI) litt über viele Jahre hinweg an einer architektonischen Zweiteilung. Hochrangige Vision-Language-Modelle planten Aktionen mit niedriger Frequenz von wenigen Hertz auf semantischer Ebene, während die eigentliche Motorik und Gelenkregelung von getrennten, klassischen Dynamikreglern mit über 100 Hertz ausgeführt werden musste. Dieser Bruch führte dazu, dass Roboter bei unvorhergesehenen Hindernissen stockten und für jede neue Manipulation hunderte Stunden manueller Teleoperationsdaten benötigten. Mit der Vorstellung von Gemini Robotics 2 (GR-2) überwindet Google DeepMind diese systemische Barriere und leitet eine neue Epoche universeller physischer Intelligenz ein.

GR-2 schlägt eine direkte Brücke zwischen multimodaler Kognition und kontinuierlicher Ganzkörper-Drehmomentsteuerung. Durch das gemeinsame Training eines Vision-Language-Action-Basismodells mit einem mikroskopischen Drehmoment-Aktionsraum erlangen humanoide und zweiarmige Roboter eine ganzheitliche Körperbeherrschung. Sie können in dynamischen Umgebungen komplexe Aufgabenfolgen ohne individuelles Nachtraining geschmeidig und fehlerfrei bewältigen.

Tiefenanalyse

Im Zentrum der Innovation steht eine hierarchische Streaming-Architektur für latente physische Absichten. Auf der Wahrnehmungsebene verarbeitet ein multimodales Gemini-2.5-Modell visuelle Raumgeometrien und semantische Objekteigenschaften mit 10 Hz und generiert daraus hochdimensionale Absichts-Tokens. Diese Vektoren enthalten nicht nur Zieltrajektorien, sondern auch die vorausberechneten dynamischen Kontaktkräfte und Reibungsprofile.

Ein nachgeschalteter Aktions-Diffusionsdecoder verarbeitet diese Absichten mit mehr als 200 Hz und verknüpft sie mit den Hochgeschwindigkeits-Signalen der Gelenkencoder, Kraft-Momenten-Sensoren und Trägheitsmesseinheiten (IMU). Das Modell berechnet unmittelbar die Drehmomentvorgaben und Dämpfungsparameter für jeden einzelnen Motor. Dies ermöglicht eine biomechanisch federnde Nachgiebigkeit: Bei plötzlichen Kollisionen federt der Roboter wie ein menschlicher Muskel nach, fängt Impulse ab und korrigiert das Gleichgewicht reflexartig.

Für das Training kombinierte DeepMind umfangreiche Teleoperationsdaten aus realen Laborumgebungen mit massiven physikalischen Simulationen. In diesen virtuellen Welten wurde das System millionenfach mit rutschigen Böden, wechselnden Schwerpunkten und unvorhersehbaren Stößen konfrontiert, wodurch GR-2 eine bemerkenswerte Robustheit gegenüber realen Störungen entwickelte.

Branchenwirkung

Die Markteinführung von GR-2 verändert den Einsatz von Robotersystemen in Logistik, Fertigung und Dienstleistung von Grund auf. Konventionelle Industrieinstallationen erforderten aufwändige Schutzzäune und wochenlange Anpassungen durch Fachingenieure. Mit GR-2 ausgestattete Maschinen können flexible verbale Instruktionen verstehen, unregelmäßige Kisten greifen und dabei dynamisch in die Knie gehen, um Lasten rückenschonend und sicher zu transportieren.

Besonders im Bereich der Mensch-Roboter-Kollaboration setzt die feinfühlige Drehmomentregelung neue Sicherheitsmaßstäbe. Berührt ein Mitarbeiter versehentlich den Arm der Maschine, registriert das System die Druckveränderung in Millisekunden, gibt sofort nach und leitet die Ausweichbewegung ein, wodurch Quetschgefahren im Betrieb zuverlässig verhindert werden.

Ausblick

Vor einer flächendeckenden Kommerzialisierung sind jedoch noch signifikante technische Hürden zu meistern. Der kontinuierliche Betrieb tiefer neuronaler Netze bei 200 Hz stellt extrem hohe Anforderungen an die bordeigene Stromversorgung und Wärmeableitung kompakter Robotertorsi. Die Entwicklung hochintegrierter Kantenprozessoren (Edge-NPUs) ist daher für künftige Modelle essenziell.

Zudem erfordert der Umgang mit verformbaren Stoffen, Kabeln oder Flüssigkeiten eine noch engere Kopplung mit hochauflösenden taktilen Sensoren an den Greifern. DeepMind arbeitet bereits an der Erweiterung von GR-2 um dichte Haptik-Arrays, um die Lücke zu menschlicher Handwerkskunst im physischen Raum endgültig zu schließen.