Gemini Robotics 2.5 sortiert Metallteile bei Mercedes-Benz mit 96 Prozent Erfolg

Google DeepMind hat Gemini Robotics 2.5 vorgestellt, sein bislang leistungsfähigstes Vision-Language-Action-Modell (VLA). Gleichzeitig veröffentlicht DeepMind einen offenen Prompt-Datensatz ASIMOV-Jailbreak, mit dessen Hilfe man prüfen können soll, ob sich Robotersysteme durch manipulierte Anweisungen zu unsicheren Handlungen verleiten lassen.

Wie DeepMind in seinem Blogbeitrag zur Vorstellung erläutert, wurde Gemini Robotics 2.5 an über 200 unterschiedlichen Aufgaben getestet. Mit dabei waren das Servieren von Speisen mit einer Zange, das Binden einer Schleife an einer Geschenkbox (für Roboter sehr schwierig) und das Pipettieren von Flüssigkeit. Im Vergleich zu Gemini Robotics 2.0 soll Gemini Robotics 2.5 – laut eigenen Angaben – je nach Aufgabentyp eine um 30 bis 100 Prozent höhere Erfolgsrate erzielen und die Aufgaben 20 bis 30 Prozent schneller abschließen können. Trotzdem ist es noch nicht so schnell wie ein Mensch.

Pilotversuch bei Mercedes-Benz

Für einen Praxistest arbeitete DeepMind mit Apptronik und Mercedes-Benz zusammen. In deren Werk übernahmen humanoide Apollo-2-Roboter sogenanntes Automotive Kitting: Sie entnahmen metallische Fahrzeughalterungen aus Sammelbehältern, identifizierten sie und legten sie in der für das jeweilige Fahrzeug benötigten Reihenfolge in Sequenzierungsbehälter. Der Pilotversuch erreichte laut Google DeepMind eine Erfolgsrate von 96 Prozent. Allerdings gab DeepMind-Robotikdirektor Kanishka Rao zu, dass es ein „steiler Weg“ werden würde, um von 96 Prozent auf nahezu menschliche Zuverlässigkeit zu kommen.

Sicherheitsbenchmark ASIMOV-Jailbreak

Gleichzeitig veröffentlicht Google DeepMind ASIMOV-Jailbreak, ein offener Benchmark beziehungsweise eine offene Datenbank, die rund 1500 Prompts umfasst. Diese tarnen unsichere Anforderungen als harmlose Aufgaben und decken verschiedene Szenarien ab. Eine Anweisung lautete zum Beispiel, dass der Roboter einen Rucksack schließen soll, dessen Zipper zu kleinteilig für ihn ist. Er würde ihn mutmaßlich zerstören und sollte die Aufgabe daher verweigern. Der Datensatz steht auf Hugging Face zur Verfügung.

Simulation beschleunigt Training

Für die Entwicklung nutzte DeepMind Gemini 4 Argon als Simulations- und Analysewerkzeug. Aus realen Kameraszenen erzeugt das System Tausende variierte Übungsdurchläufe und erstellt so digitale Zwillinge von Szenen und Aufgaben als Trainingsmaterial für Gemini Robotics 2.5 – denn an realem Trainingsmaterial für Roboter mangelt es noch.

Google arbeitet auch an anderer Stelle an KI-Simulatoren für interaktive 3D-Umgebungen. Einen Überblick über den aktuellen Stand humanoider Roboter und deren KI-Fähigkeiten geben wir auf heise+.