Google DeepMind macht Gemini Robotics ER 2 über die Gemini API und Google AI Studio verfügbar. Der relevante Schritt für Entwickler ist nicht die nächste Greif-Demo, sondern ein hochrangiger Agent über dem Robotik-Stack: Das Modell soll Videoabläufe verstehen, mehrstufige Aufgaben planen, Tools orchestrieren und den Fortschritt einer Aufgabe bewerten.
Der offizielle Beitrag erschien am 30. Juli 2026 um 17:00 Uhr CEST. DeepMind beschreibt ER 2 als Modell für Videoverständnis, Tool-Orchestrierung und die Zusammenarbeit mehrerer Roboter. Die zugehörige Model Card dokumentiert den Zugang über Gemini API und AI Studio sowie klare Grenzen für den Einsatz.
Der fehlende Baustein ist die Fortschrittskontrolle
Viele Robotik-Stacks sind bereits gut darin, einzelne Bewegungen zu erzeugen: Navigation, Greifen und Vision-Language-Action-Modelle decken jeweils einen Teil der Ausführung ab. Schwieriger ist die Ebene darüber: Hat der Roboter den Zwischenschritt tatsächlich abgeschlossen? Ist eine relevante Änderung im Videostream passiert? Und welches Tool oder welches Subsystem ist als Nächstes sinnvoll?
Genau dort positioniert Google ER 2. Statt ein monolithisches Steuerungsmodell zu sein, kann es als High-Level-Schicht arbeiten, die Wahrnehmung aus fortlaufendem Video in Aufgabenplanung und Tool-Aufrufe übersetzt. Das ist architektonisch interessanter als eine isolierte Manipulationsdemo, weil sich vorhandene Komponenten darunter weiterverwenden lassen.
| Baustein | Rolle im Stack | Praktische Folge |
|---|---|---|
| Kontinuierliches Videoverständnis | ordnet Zustände und Ereignisse im Ablauf ein | Fortschritt kann gegen beobachtbare Kriterien statt nur gegen einen Plan geprüft werden. |
| Task Planning & Tool-Orchestrierung | verknüpft Schritte mit Robotik-APIs, Navigation oder VLA-Modellen | Teams müssen nicht sämtliche Fähigkeiten in ein einzelnes Modell pressen. |
| Multi-Robot-Kollaboration | koordiniert mehrere Systeme auf Aufgabenebene | Die Übergabe zwischen Rollen wird zur Planungs- und Observability-Frage. |
| Gemini API / AI Studio | stellt das Modell Entwicklern bereit | Der Evaluierungsaufwand verlagert sich von Modelltraining zu Integration, Telemetrie und Sicherheitsgrenzen. |
API-Zugang heißt nicht Produktionsfreigabe
Die Model Card nennt multimodale Eingaben aus Text, Bild, Video und Audio, ein Kontextfenster von bis zu 128k sowie Textausgaben bis 64k Tokens. Das schafft Spielraum, längere Ablaufsequenzen zusammen mit Arbeitsanweisungen auszuwerten. Es ist aber kein Ersatz für Echtzeitgarantien oder einen Safety Case.
In der Physical AI ist ein guter Plan nur die halbe Aufgabe. Der andere Teil ist eine nachvollziehbare Antwort auf die Frage, woran das System erkennt, dass die Welt noch zum Plan passt.
Google weist ausdrücklich darauf hin, die Robotics Models nicht in sicherheitskritischen Anwendungen einzusetzen – genannt werden unter anderem Gesundheitswesen und Transport. Für produktive Teams folgt daraus eine nüchterne Architekturregel: ER 2 gehört zunächst in abgegrenzte, beobachtbare Workflows mit klaren Aktionsgrenzen; physische Sicherheitslogik, Not-Halt-Pfade und Freigaben bleiben außerhalb des Modells.
Was Robotik-Teams jetzt konkret testen sollten
- Progress-Kriterien explizit machen: Für jeden Arbeitsschritt definieren, welche sichtbaren Zustände als Erfolg, Abweichung oder unklar gelten.
- Tools klein halten: Navigation, Greifen, Inventarzugriff und Eskalation als getrennte, erlaubnisbegrenzte Tools modellieren – nicht als offenen Aktionskanal.
- Video und Aktionen gemeinsam protokollieren: Ohne Zeitstempel für Beobachtung, Plan, Tool-Call und Ergebnis lässt sich ein Fehlplan nicht zuverlässig analysieren.
- Handoffs simulieren: Bei mehreren Robotern sind Übergaben, blockierte Arbeitsbereiche und widersprüchliche Zustände die ersten sinnvollen Evaluierungsfälle.
ER 2 macht Physical AI nicht plötzlich betriebssicher. Aber die Verfügbarkeit über eine Entwickler-API verschiebt die Diskussion: Weg von der Frage, ob ein Modell einen Roboterarm spektakulär bewegen kann, hin zu der operativ härteren Frage, wie ein System seinen eigenen Arbeitsfortschritt erkennt, begründet und bei Abweichungen begrenzt.
Quellen
- Google DeepMind: Introducing Gemini Robotics ER 2, veröffentlicht am 30. Juli 2026, 15:00 UTC.
- Google DeepMind: Gemini Robotics ER 2 – Model Card (Zugang, Ein-/Ausgaben und Sicherheitsgrenzen).
Leave a Reply