de.wedoany.com-Bericht: Das Forschungslabor für künstliche Intelligenz DeepMind (Google DeepMind) unter dem Dach der Alphabet Inc. hat heute die Gemini-Robotics-2-Modellreihe vorgestellt. Diese Reihe ist für humanoide Roboter konzipiert und ermöglicht es mehreren autonomen Robotern, gemeinsam eine Aufgabe zu bewältigen sowie automatisch Hausarbeiten mit Hunderten von Schritten auszuführen.
Derzeit setzen gängige humanoide Roboter auf eine Zwei-System-KI-Architektur: Das verkörperte Reasoning-Modell erstellt den übergeordneten Plan zur Aufgabenausführung, während das VLA-Modell den Plan in Befehle auf niedriger Ebene für die Robotermotoren umsetzt. Das Herzstück der Gemini-Robotics-2-Reihe ist das verkörperte Reasoning-Modell namens Gemini Robotics ER 2, mit dem Benutzer die vom Roboter auszuführenden Aufgaben in natürlicher Sprache beschreiben können. Laut Google unterstützt ER 2 Aufgaben mit Hunderten von Schritten, die mehrere Minuten dauern.
ER 2 kann lange Aufgaben auf mehrere verschiedene Roboter aufteilen, um sie zu beschleunigen. Darüber hinaus ermöglicht die Tool-Calling-Funktion dem Modell den Zugriff auf externe Cloud-Dienste, beispielsweise um über die Google-Suche unverständliche Teile der Eingabeaufforderung zu klären.
Angesichts der Anforderung, dass humanoide Roboter fehlgeschlagene Aufgaben erneut versuchen müssen, haben die Ingenieure ER 2 mit zwei Funktionen ausgestattet. Erstens kann das Modell mithilfe der von den eigenen Kameras des Roboters aufgenommenen Bilder den Aufgabenfortschritt verfolgen. Bei Fehlern erkennt es den letzten korrekt abgeschlossenen Schritt und setzt von dort fort, ohne von vorn beginnen zu müssen. Zweitens ist ER 2 bei der Beurteilung des Abschlusszeitpunkts von Aufgaben besser als frühere Modelle. Je früher ein Roboter bestätigt, dass eine Aufgabe beendet ist, desto schneller kann er zur nächsten Aufgabe übergehen. Diese Funktion trägt auch dazu bei, Verfahren wie die Identifizierung und Fehlerkorrektur zu vereinfachen.
Die Google-Ingenieure Steven Hansen und Peng Xu erläutern im Unternehmensblog, dass der Roboter durch das Ansehen kontinuierlicher Videostreams seinen eigenen Fortschritt verfolgen, bei Problemen Anpassungen vornehmen und klar erkennen kann, wann er zum nächsten Schritt übergehen soll.
Nachdem ER 2 einen Aktionsplan erstellt hat, kann es die Anweisungen an eines der beiden anderen VLA-Modelle der Gemini-Robotics-2-Reihe senden. Das erste Modell heißt Gemini Robotics 2 und kann alle Körperteile des humanoiden Roboters steuern, nicht nur die Hände. Es optimiert den Schwerpunkt des Host-Roboters unter Reduzierung des Sturzrisikos und unterstützt gleichzeitig mehr Arten von Roboterhänden als die frühere Software von DeepMind.
Das zweite VLA-Modell heißt Gemini Robotics On-Device 2 und ist für den direkten Betrieb auf dem Bordcomputer des humanoiden Roboters ausgelegt. Es kann mit nur wenigen Stunden Training an neue Roboter angepasst werden. Entwickler können über Google Cloud, die Gemini-API und Google AI Studio auf ER 2 zugreifen.
Zusammen mit der Modellveröffentlichung hat Google auch den neuen Sicherheits-Benchmark für verkörperte KI, ASIMOV-Agentic Benchmark, eingeführt, der die Fähigkeit humanoider Roboter bewertet, Risiken wie Kollisionen zu vermeiden.
