Veröffentlicht am: 20. März 2025 / Update vom: 20. März 2025 – Verfasser: Konrad Wolfenstein
Google Gemini 2.0, die Künstliche Intelligenz und Robotik: Gemini Robotics und Gemini Robotics-ER – Kreativbild: Xpert.Digital
DeepMind präsentiert Gemini: Die nächste Ära der Robotik beginnt
Gemini Robotics: Googles transformative Verschmelzung von künstlicher Intelligenz und Robotik
Google DeepMind hat am 12. März 2025 sein neuestes Projekt Gemini Robotics vorgestellt, eine beeindruckende Technologie, die das leistungsstarke Sprachmodell Gemini 2.0 mit fortschrittlicher Robotik kombiniert. Diese Innovation markiert einen wichtigen Meilenstein in der Entwicklung intelligenter Robotersysteme, die natürliche Sprache verstehen und komplexe physische Aufgaben ausführen können.
Google DeepMind ist ein führendes Forschungsunternehmen für Künstliche Intelligenz (KI), das 2010 gegründet und 2014 von Google übernommen wurde. Es konzentriert sich auf die Entwicklung fortschrittlicher KI-Technologien, die durch neuronale Netze mit Kurzzeitspeicher und künstlichem Gedächtnis gekennzeichnet sind. DeepMind hat bedeutende Durchbrüche erzielt, darunter das Besiegen menschlicher Spieler im Spiel “Go” und die Entwicklung von AlphaFold, einem System zur Vorhersage von Proteinstrukturen. Die Technologien von DeepMind finden Anwendung in Bereichen wie Robotik, Medizin, Energieeffizienz und Sprachverarbeitung.
Die technologischen Grundlagen von Gemini Robotics
Gemini Robotics wurde als fortschrittliches Vision-Language-Action (VLA) Modell konzipiert, das auf dem bereits leistungsstarken Gemini 2.0 aufbaut. Die zentrale Innovation besteht darin, dass das System nicht nur digitale Daten wie Texte, Bilder oder Videos verarbeiten kann, sondern erstmals auch physische Aktionen in der realen Welt ausführen kann.
Die Technologie nutzt die multimodale Verständnisfähigkeit von Gemini 2.0 und erweitert sie um eine entscheidende neue Modalität: physische Aktionen. Dies ermöglicht es den Robotern, die digitale und physische Welt auf eine Weise zu überbrücken, die bisher nicht möglich war.
Passend dazu:
Funktionsweise und Wahrnehmungsfähigkeiten
Der technologische Durchbruch von Gemini Robotics liegt in seiner Fähigkeit, die Umgebung über Kameras wahrzunehmen, Objekte zu erkennen und deren räumliche Dimensionen zu erfassen. Diese Informationen werden dann in eine 3D-Welt mit präzisen technischen Koordinaten umgewandelt.
Das System kann zudem:
- Natürlichsprachliche Befehle verstehen und in physische Aktionen umsetzen
- Komplexe räumliche Beziehungen zwischen Objekten verstehen
- Sich an neue, unbekannte Situationen anpassen
- Über verschiedene Robotertypen hinweg generalisieren
Die zwei komplementären Modelle: Gemini Robotics und Gemini Robotics-ER
Google DeepMind hat nicht nur ein, sondern gleich zwei spezialisierte Modelle vorgestellt, die unterschiedliche Aspekte der Robotik-KI adressieren.
Gemini Robotics
Das Hauptmodell Gemini Robotics vereint die Sprachverarbeitungsfähigkeiten von Gemini 2.0 mit physischer Kontrolle. Es ermöglicht Robotern, auf natürlichsprachliche Befehle zu reagieren, komplexe Umgebungen zu verstehen und adaptive Handlungen auszuführen.
Gemini Robotics-ER
Das zweite Modell, Gemini Robotics-ER (wobei ER für “embodied reasoning” oder “verkörperte Logik” steht), konzentriert sich auf verbessertes räumliches Denken. Diese Fähigkeit ist entscheidend für Roboter, die in dynamischen, dreidimensionalen Umgebungen agieren müssen.
Gemini Robotics-ER kann beispielsweise intuitiv erkennen, wie ein Objekt am besten gegriffen werden kann. Wird dem Modell eine Kaffeetasse gezeigt, kann es selbstständig einen geeigneten Zwei-Finger-Griff wählen, um die Tasse am Henkel anzuheben, und einen sicheren Bewegungsablauf berechnen.
Demonstrierte Fähigkeiten und praktische Anwendungen
In beeindruckenden Demonstrationsvideos zeigt Google DeepMind die praktischen Fähigkeiten der neuen KI-Modelle. Die Robotersysteme können eine Vielzahl komplexer Aufgaben ausführen, darunter:
- Falten von Origami und Papier
- Sortieren und Organisieren von Objekten basierend auf verbalen Anweisungen
- Präzises Greifen und Bewegen fragiler Gegenstände
- Vorsichtiges Einlegen einer Brille in ein Etui
- Würfeln und Manipulieren kleiner Objekte
- Gemeinsames Verschließen eines Reißverschlusses
- Wickeln von Kopfhörerkabeln
- Ausführen von Präzisionsaufgaben wie Basketball-Dunking
Besonders bemerkenswert ist, dass die Roboter diese Aufgaben autonom ausführen, nachdem sie lediglich eine Anweisung erhalten haben. Das System erkennt selbstständig Objekte, identifiziert sie, leitet die notwendigen Einzelschritte ab und steuert die Roboterarme entsprechend.
Strategische Partnerschaften für die Weiterentwicklung
Um das volle Potenzial dieser Technologie zu erschließen, arbeitet Google DeepMind mit führenden Unternehmen aus der Robotikbranche zusammen:
- Apptronik, ein texanisches Start-up, das den humanoiden Roboter “Apollo” entwickelt hat, der für Logistik- und Fertigungsaufgaben wie das Heben, Bewegen und Stapeln von Kisten konzipiert ist
- Boston Dynamics, ein bekanntes Robotik-Unternehmen, das ironischerweise einst von Google gekauft und später wieder verkauft wurde
- Agility Robotics und Agile Robots als weitere Partner für die Entwicklung und den Test von Gemini Robotics-ER
Diese Zusammenarbeit zeigt Googles Strategie, die Technologie auf verschiedenen Roboterplattformen zu implementieren und zu testen, um ihre breite Anwendbarkeit zu gewährleisten.
Passend dazu:
Bedeutung für die Zukunft der Robotik
Der Direktor für Robotik bei DeepMind, Kanishka Rao, erklärte während einer Pressekonferenz, eine der größten Herausforderungen in der Robotik bestehe darin, dass Roboter typischerweise in bekannten Szenarien gut funktionieren, aber in unbekannten Situationen scheitern. Gemini Robotics soll genau dieses Problem lösen.
Passend dazu:
Die Integration von Large Language Models (LLMs) in die Robotik ist Teil eines wachsenden Trends, und Geminis Ansatz könnte einer der beeindruckendsten Beispiele hierfür sein. Jan Liphardt, Professor für Bioingenieurwesen an der Stanford University und Gründer von OpenMind, betont, dass dies “eines der ersten Beispiele für die Anwendung generativer KI und großer Sprachmodelle auf fortschrittliche Roboter” sei und “wirklich der Schlüssel zur Erschließung von Roboterlehrern, Roboterhelfern und Roboterbegleitern” sein könnte.
Nvidia-CEO Jensen Huang geht sogar noch weiter und deutet an, dass der Einsatz generativer KI zur Bereitstellung von Robotern in großem Maßstab ein Marktpotenzial von mehreren Billionen US-Dollar darstellen könnte.
Gemini und Robotik: Ein Wendepunkt für intelligente Systeme?
Trotz der beeindruckenden Fortschritte gibt es noch Herausforderungen zu bewältigen. Ken Goldberg, Professor für Robotik an der University of California in Berkeley, bezeichnet die KI-Systeme als “eine spannende Entwicklung auf dem Gebiet der Robotik”, gibt jedoch zu bedenken, dass “noch viel zu tun bleibt, bevor Allzweckroboter für den Einsatz im Alltag bereit sind”.
Google plant, rund um die kommende Google I/O-Konferenz weitere Einblicke in die Möglichkeiten dieser Technologie zu geben. Mit seinem langjährigen Interesse an Robotik und nun mit Gemini als passender Software-Komponente könnte Google ein neues Kapitel in der Entwicklung intelligenter Roboter aufschlagen.
Von Sprache zu Handlung: Google setzt neue Maßstäbe in der Robotik
Mit Gemini Robotics hat Google DeepMind einen bedeutenden Schritt in Richtung der Verschmelzung von KI und Robotik gemacht. Die Fähigkeit, natürliche Sprache zu verstehen, komplexe Umgebungen wahrzunehmen und physische Aktionen auszuführen, könnte die Art und Weise, wie Roboter in Zukunft eingesetzt werden, revolutionieren.
Diese Technologie markiert den Übergang von rein digitalen KI-Anwendungen zu Systemen, die einen direkten Einfluss auf die physische Welt haben können. Während dies bei manchen KI-Skeptikern Bedenken auslösen mag, liegt das Hauptaugenmerk von Google DeepMind darauf, adaptive und nützliche Robotersysteme zu entwickeln, die komplexe Aufgaben mit weniger Training bewältigen können.
Die kommenden Jahre werden zeigen, wie sich diese Technologie weiterentwickelt und welche praktischen Anwendungen sie in verschiedenen Bereichen finden wird, von der Industrie bis zum Alltag.
Passend dazu:
Ihr globaler Marketing und Business Development Partner
☑️ Unsere Geschäftssprache ist Englisch oder Deutsch
☑️ NEU: Schriftverkehr in Ihrer Landessprache!
Konrad Wolfenstein
Gerne stehe ich Ihnen und mein Team als persönlicher Berater zur Verfügung.
Sie können mit mir Kontakt aufnehmen, indem Sie hier das Kontaktformular ausfüllen oder rufen Sie mich einfach unter +49 89 89 674 804 (München) an. Meine E-Mail Adresse lautet: wolfenstein∂xpert.digital
Ich freue mich auf unser gemeinsames Projekt.
