Gemini Robotics 2: Was Ganzkörpersteuerung für Produktteams verändert

Gemini Robotics 2 erweitert Google DeepMinds Robotik-Stack von Oberkörper-Manipulation auf koordinierte Steuerung von den Füßen bis zu den Fingerspitzen. Die wirtschaftliche Bedeutung ist größer als ein weiterer Trick eines Humanoiden. Ein Roboter kann Fortbewegung, Balance, Greifen und Manipulation verbinden, während ein separates Reasoning-Modell eine mehrstufige Aufgabe plant und den Erfolg jedes Schritts prüft.

Damit wird der Einsatz humanoider Roboter nicht automatisch zum Standardprodukt. Google meldet 92 Prozent Erfolg beim Herausdrehen einer Glühbirne, aber nur 36 Prozent beim Eindrehen und 32 bis 44 Prozent bei mehreren anderen Mehrfinger-Aufgaben. Die Modelle für direkte Steuerung sind außerdem nur für ausgewählte Partner verfügbar. Die praktische Frage lautet deshalb nicht: „Können wir jetzt einen universellen Roboter-Mitarbeiter kaufen?“ Sie lautet: Welchen Teil dieses Stacks können wir heute für welchen Ablauf und innerhalb welcher Sicherheitsgrenze testen?

Dieser Leitfaden beantwortet genau diese Entscheidung. Er trennt die drei Modelle, ordnet den Benchmark jenseits seiner besten Zahl ein, erklärt den aktuellen Zugang und liefert einen begrenzten Pilotplan. Für die allgemeine Rollout-Disziplin empfehlen wir zusätzlich unseren 30/60/90-Tage-Plan für AI-Agent-Piloten.

Was ist Gemini Robotics 2?

Gemini Robotics 2 ist eine Familie aus drei verbundenen Physical-AI-Modellen, kein einzelnes monolithisches Robotergehirn. Google DeepMind verteilt Wahrnehmung, Planung und Aktion laut der offiziellen Gemini-Robotics-2-Veröffentlichung auf Modelle mit unterschiedlichen Einsatzprofilen.

Diese Trennung ist wichtig. Das Reasoning-Modell kann als Orchestrator arbeiten, während ein VLA, eine Navigations-API oder ein konventioneller Controller eine begrenzte Aktion ausführt. Teams können eine Schicht verbessern oder austauschen, ohne so zu tun, als müsste ein Foundation Model jedes Gelenk, jeden Sicherheitsstopp und jede Geschäftsentscheidung besitzen.

Warum Ganzkörpersteuerung der eigentliche Sprung ist

Die vorherige Generation steuerte vor allem den Oberkörper eines Humanoiden für Aufgaben am Tisch. Gemini Robotics 2 erweitert die gelernte Aktionspolitik auf den gesamten Körper. In DeepMinds Apollo-2-Demo löst eine Anweisung mehrere Schritte aus: Der Roboter geht zu einem Tisch, nimmt eine Gießkanne, bewegt sich zu einem Regal und stellt sie in einen unteren Behälter. Jeder Schritt verändert Reichweite, Balance und den nächsten sinnvollen Kamerablick.

Genau diese Koordination ist der Engpass in Umgebungen, die für Menschen gebaut wurden. Ein fester Roboterarm kann in einer geplanten Zelle sehr leistungsfähig sein. Ein Humanoid in Lager, Labor oder Instandhaltung muss zwischen Arbeitsflächen wechseln, seinen Stand anpassen, Menschen vermeiden und reagieren, wenn ein Objekt nicht dort liegt, wo der Plan es erwartet. Ganzkörpersteuerung reduziert die Übergaben zwischen getrennt programmierten Routinen für Fortbewegung und Manipulation.

Der restliche Robotik-Stack bleibt trotzdem nötig. Hardware-spezifische Regelkreise müssen kollisionsfreie Bewegung, Balance, Kraftgrenzen und Notfallverhalten kontrollieren. Das Foundation Model erweitert, welche Ziele das System versteht und welche Bewegungen es kombinieren kann. Es darf nicht die einzige Sicherheitsschicht sein.

Was beweist das 92-Prozent-Ergebnis mit der Glühbirne?

Es belegt relevante aufgabenspezifische Geschicklichkeit, aber keine allgemeine Zuverlässigkeit der Hand. Die Veröffentlichung nennt für Apollo 2 mit einer Hand mit 22 Freiheitsgraden fünf einzelne Mehrfinger-Ergebnisse.

Andere Diagramme der Veröffentlichung zeigen bei einer Apollo-Konfiguration 45,7 Prozent für das Aufheben vom Boden, 68,4 Prozent vom Tisch und 76,3 Prozent aus einem Regal. Genau deshalb braucht ein Pilot eine repräsentative Aufgabenverteilung statt eines Best-of-Videos. Gemessen werden müssen ungünstige Winkel, fallengelassene Objekte, Unordnung, Lichtwechsel, Personen im Arbeitsbereich und die Erholung nach Teilerfolgen.

Wie arbeiten die drei Modelle zusammen?

Gemini Robotics ER 2 agiert als übergeordneter Agent. Es verarbeitet fortlaufendes Video und Anweisungen, bestimmt die Schritte, ruft untergeordnete Tools auf, beobachtet den Fortschritt und entscheidet über Fortsetzen, Wiederholen oder Rückfrage. Googles Entwickler-Veröffentlichung zu Gemini Robotics ER 2 erklärt, dass Entwickler VLA-Modelle oder Navigations-APIs als Tools definieren und Video, Audio oder Text über die Gemini Live API streamen können.

Ein produktionsnaher Kontrollpfad sollte so aussehen:

1. Beobachten: Kameras, Roboterzustand und Aufgabenkontext fließen in einen zeitgestempelten Wahrnehmungsstrom.
2. Schlussfolgern: ER 2 wählt den nächsten begrenzten Schritt, prüft Bedingungen und erkennt Klärungsbedarf.
3. Ausführen: Ein VLA oder eine deterministische Roboter-API führt die freigegebene Aktion aus.
4. Absichern: Low-Level-Controller, sicherheitsgerichtete Sensoren und Hardware-Interlocks können unabhängig stoppen.
5. Prüfen: Video-Fortschritt und deterministische Aufgabensignale bestätigen das Ergebnis.
6. Eskalieren: Unsicherheit, wiederholte Fehler oder eine Person im Bereich geben die Kontrolle an einen Menschen zurück.

Das ist Agentenarchitektur mit physischen Folgen. Das Logging muss Anweisung, Beobachtungen, vorgeschlagenen Tool-Aufruf, Bedingungsentscheidung, ausgeführte Bewegung, Stopp-Ereignisse und Abschlussprüfung erhalten. Ohne diese Spur kann das Team Fehler nicht erklären und Modellversionen nicht seriös vergleichen.

Kann ein Unternehmen Gemini Robotics 2 heute einsetzen?

Ja für Embodied-Reasoning-Experimente, meist noch nicht für das direkte Ganzkörpermodell. Die Model Card von Gemini Robotics ER 2 nennt Gemini API und AI Studio als Vertriebskanäle. Sie verlangt zugleich besondere Vorsicht in produktiven, kommerziellen oder öffentlichen Umgebungen und schließt sicherheitskritische Anwendungen aus.

Wenn Sie zwischen Eigenintegration, Standardplattform und Abwarten entscheiden, hilft unser Leitfaden Individualsoftware oder Standardsoftware beim wirtschaftlichen Rahmen. In der Robotik kommen Hardwareverfügbarkeit, Trainingsdaten, Sicherheitsverantwortung und Anbieterzugang zu Kosten und Lock-in hinzu.

Warum der On-Device-Transfer wirtschaftlich am wichtigsten sein könnte

Cloud-Reasoning ist sinnvoll, wenn Netz und Reaktionszeit zur Aufgabe passen. Bewegungssteuerung kann diese Abhängigkeit oft nicht akzeptieren. Gemini Robotics On-Device 2 soll lokal laufen. DeepMind gibt an, dass es sich mit wenigen Stunden Daten, typischerweise unter 200 Beispielen, an eine neue Zweiarm-Ausführung anpassen lässt.

Die Model Card von On-Device 2 ergänzt die wichtige Grenze: Das Modell steht nur Trusted Testern zur Verfügung, ist bei Aufgaben außerhalb der Verteilung und Robotern mit vielen Freiheitsgraden eingeschränkt und wurde hauptsächlich für stehende Zweiarm-Manipulation bewertet. Risiken mobiler Plattformen und der Ganzkörpersteuerung liegen außerhalb ihres Evaluationsumfangs.

„Unter 200 Beispiele“ ist damit ein Ausgangswert für Dateneffizienz, kein Einsatzangebot. Käufer müssen weiter klären, wie Beispiele gesammelt werden, wer Erfolg markiert, wie viele Fehlerfälle enthalten sind, welche Sensoren sich ändern, welche Rechenleistung am Roboter läuft und was bei Zuständen außerhalb des Anpassungssets passiert.

Die Sicherheitsergebnisse sprechen für Schichten, nicht für Autonomie

DeepMinds Sicherheitsbericht zu Gemini Robotics 2 ist gerade wegen seiner Zielkonflikte wertvoll. Im Benchmark zur Nähe von Menschen erreichte kein getestetes Modell gleichzeitig nahezu null übersehene Gefahren und nahezu null unnötige Stopps. Modelle mit weniger Unterbrechungen konnten mehr reale Gefahren übersehen. Der Bericht empfiehlt deshalb deterministische Low-Level-Sicherheitsmaßnahmen zusätzlich zur Modellwahrnehmung.

Ein kommerzieller Pilot braucht vor der ersten Live-Bewegung vier unabhängige Grenzen:

• Physische Grenze: Geschwindigkeit, Kraft, Arbeitsraum und Nutzlast werden unterhalb des Modells erzwungen.
• Semantische Grenze: verbotene Aufgaben, Tool-Allowlist und Pflicht zur Rückfrage bei unklaren Anweisungen.
• Menschliche Grenze: sichtbare Stopp-Autorität und Freigabe neuer Aufgaben, Tools oder Zonen.
• Evidenzgrenze: Erfolg, Kollision, Eingriff, Fehlstopp und Erholung werden pro Lauf gemessen.

Dass ein Modell eine nahe Person erkennt, ist wertvoll. Es ersetzt weder sicherheitsgerichtete Sensorik noch eine Maschinen-Risikobeurteilung.

Ein 90-Tage-Pilotplan für Gemini Robotics 2

1. Tag 0 bis 30, Workflow auswählen. Wählen Sie eine wiederkehrende Aufgabe, bei der variable Szenen starre Automatisierung teuer machen. Erfassen Sie menschliche Baseline, Häufigkeit, Eingriffskosten und unakzeptable Fehler. Kartieren Sie Gefahren und entscheiden Sie, ob der Pilot in Simulation bleibt.
2. Tag 31 bis 60, digitale Kontrollgrenze bauen. Integrieren Sie ER 2 mit simulierten oder isolierten Roboter-Tools. Streamen Sie repräsentatives Video, verlangen Sie strukturierte Tool-Aufrufe, ergänzen Sie Mehrdeutigkeitstests und protokollieren Sie Fortschritt. Nutzen Sie vor Live-Steuerung ein festes Evaluationsset.
3. Tag 61 bis 90, begrenzte Bewegung überwachen. Wenn die Sicherheitsbewertung es erlaubt, verbinden Sie nur geprüfte Skills bei reduzierter Geschwindigkeit in einer kontrollierten Zone. Ein Mensch gibt Aktionen frei. Messen Sie Abschluss, Erholung, Eingriffe, Fehlstopps, Latenz und Kosten pro akzeptierter Aufgabe.

Am Tag 90 lautet die Entscheidung: erweitern, neu entwerfen oder stoppen. Skalieren Sie nicht, weil die beste Demo einmal funktioniert hat. Skalieren Sie, wenn die gemessene Aufgabenverteilung eine vorher vereinbarte Schwelle überschreitet und das Team alle wichtigen Fehler erklären und beheben kann.

Was sollten Käufer einen Robotik-AI-Partner fragen?

• Welches Modell ist heute tatsächlich verfügbar: ER 2 per API oder ein VLA über ein Partnerprogramm?
• Welche Benchmark-Aufgabe ähnelt unserem Ablauf, und wie sieht die gesamte Erfolgsverteilung aus?
• Was bleibt unterhalb des Modells deterministisch, etwa Balance, Kollisionsvermeidung, Kraft und Notstopp?
• Wie werden Anpassungsbeispiele gesammelt, versioniert und freigegeben?
• Welche Daten verlassen den Standort, und welche Inferenz bleibt auf dem Gerät?
• Wie spielen wir Fehler nach und vergleichen Modell-, Prompt- oder Controller-Versionen?
• Wer besitzt Integration, Trainingsdaten, Telemetrie und Rückfallpfad, falls sich der Modellzugang ändert?

Wavects AI-Produktentwicklung kann Reasoning, Integration und Evaluation in einen begrenzten Piloten überführen, den Ihr Team besitzt. Unsere Twinsoft-AI-Case-Study zeigt die Produkt- und Engineering-Disziplin hinter einem belastbaren AI-Workflow. Für eine unabhängige Machbarkeitsentscheidung vor dem Hardwarebudget können Sie ein Physical-AI-Discovery-Gespräch buchen.

Primärquellen und Recherchegrenze

1. Google DeepMind, Veröffentlichung von Gemini Robotics 2; Modellfamilie, Zugang, Ganzkörper-Demos, Geschicklichkeits-Benchmarks und Anpassungsangaben.
2. Google, Entwickler-Veröffentlichung von Gemini Robotics ER 2; API-Zugang, Tool-Orchestrierung, Streaming und Fortschrittsbewertung.
3. Google DeepMind, Model Card von Gemini Robotics ER 2; Vertrieb, Einsatzzweck und Produktionsgrenzen.
4. Google DeepMind, Model Card von Gemini Robotics On-Device 2; Trusted-Tester-Zugang, Evaluationsumfang und bekannte Grenzen.
5. Google DeepMind, Sicherheitsbericht zu Gemini Robotics 2; Nähe von Menschen, Unsicherheit und mehrschichtige Sicherheit.

Status geprüft am 7. August 2026. Diese Analyse nutzt öffentliche Veröffentlichungen, Model Cards und Sicherheitsevaluationen. Wir hatten keinen Modellzugang, betrieben keinen Apollo 2 und reproduzierten die Robotik-Benchmarks nicht unabhängig. Die Erfolgsquoten sind Herstellerangaben, keine Wavect-Testergebnisse.