Gemini Robotics 2 steuert humanoiden Roboter Apollo 2

Google DeepMind hat mit Gemini Robotics 2 eine neue Modellfamilie für humanoide und andere Roboter vorgestellt. Auf Apptroniks Apollo 2 zeigt die KI erstmals eine durchgängige Ganzkörpersteuerung. Der Roboter kann laufen, sich bücken, Gegenstände greifen und komplexe Aufgaben selbstständig ausführen. Zugleich verbessert das System die Feinmotorik, die Zusammenarbeit mehrerer Roboter und den Betrieb ohne dauerhafte Cloud-Verbindung. Damit will Google DeepMind aus spezialisierten Maschinen anpassungsfähige Assistenten machen, die ihre Umgebung verstehen, Handlungen planen und auf Veränderungen reagieren können.

Das Wichtigste in Kürze

Gemini Robotics 2 verbindet visuelle Wahrnehmung und Sprache direkt mit Bewegungen des Roboters.
Apptroniks Apollo 2 kann damit seinen gesamten Körper vom Fuß bis zu den Fingerspitzen koordinieren.
Drei spezialisierte Modelle übernehmen Ganzkörpersteuerung, verkörpertes Denken und lokale KI-Verarbeitung.
Gemini Robotics ER 2 plant längere Abläufe und ermöglicht die Zusammenarbeit verschiedener Robotertypen.
Der Sicherheitsbenchmark ASIMOV-Agentic prüft unter anderem, ob Roboter gefährliche Befehle ablehnen und rechtzeitig menschliche Hilfe anfordern.

Was ist Gemini Robotics 2? Gemini Robotics 2 ist eine Modellfamilie von Google DeepMind für autonome Roboter. Sie verarbeitet Bilder und Sprachbefehle, plant mehrstufige Aufgaben und übersetzt Entscheidungen in koordinierte Bewegungen des gesamten Roboterkörpers.

Gemini Robotics 2 wird zur Intelligenzschicht für Roboter

Google DeepMind bezeichnet Gemini Robotics 2 als eine „Intelligenzschicht“ für Roboter. Die Plattform soll Maschinen über starre und vorprogrammierte Arbeitsabläufe hinausführen. Ein Roboter soll deshalb nicht nur gespeicherte Bewegungen wiederholen. Stattdessen nimmt er seine Umgebung wahr und interpretiert einen sprachlichen Auftrag. Anschließend entscheidet er, welche Handlungsschritte für das gewünschte Ziel notwendig sind. Während der Ausführung kann er auf veränderte Bedingungen reagieren. Dadurch rücken Roboter näher an Systeme heran, die Aufgaben in weniger vorhersehbaren Umgebungen bewältigen können.

Die Modellfamilie richtet sich nicht ausschließlich an humanoide Roboter. Laut Google DeepMind lässt sie sich auch auf Doppelarm-Systeme und andere Robotertypen übertragen. Anpassungen an neue Hardware sollen teilweise innerhalb weniger Stunden möglich sein. Das ist wichtig, weil sich Roboter in Größe, Gelenkaufbau, Sensorik und Greiftechnik deutlich unterscheiden. Eine vielseitige KI-Plattform könnte daher den Aufwand für die Entwicklung eigener Steuerungsmodelle reduzieren. Hersteller müssten dann nicht für jeden Roboter sämtliche Fähigkeiten von Grund auf neu trainieren. Die Software würde damit stärker von einer bestimmten mechanischen Plattform entkoppelt.

Die Vorstellung baut auf der laufenden Zusammenarbeit zwischen Google DeepMind und Apptronik auf. Apptronik eröffnete bereits Anfang Juli 2026 den sogenannten Robot Park. In dieser Einrichtung führen Apollo-2-Roboter praktische Aufgaben aus und sammeln dabei Trainingsdaten. Diese Daten fließen in die Entwicklung der nächsten Generation von Robotikmodellen ein. Dazu gehört auch Gemini Robotics 2. Der Robot Park verbindet somit reale Roboterarbeit mit kontinuierlichem KI-Training. Apollo 2 dient dabei sowohl als Demonstrationsplattform als auch als Quelle neuer Bewegungs- und Interaktionsdaten.

Drei KI-Modelle übernehmen unterschiedliche Aufgaben

Gemini Robotics 2 besteht aus drei Modellen mit jeweils eigener Funktion. Das Hauptmodell verbindet Wahrnehmung, Sprache und Bewegung. Gemini Robotics ER 2 übernimmt dagegen die Planung und das verkörperte Schlussfolgern. Die On-Device-Ausführung ist wiederum für den lokalen Betrieb auf der Roboterhardware ausgelegt. Zusammen decken die Modelle zentrale Ebenen eines autonomen Roboters ab. Dazu gehören das Verstehen eines Auftrags, die Planung der Handlung und die körperliche Ausführung. Google DeepMind kann die Modelle dadurch abhängig von der jeweiligen Anwendung einsetzen.

Modell	Modelltyp	Zentrale Funktion	Geeignete Systeme
Gemini Robotics 2	Vision-Language-Action-Modell	Übersetzt visuelle und sprachliche Eingaben in Bewegungen und steuert den ganzen Körper	Humanoide Roboter und Doppelarm-Systeme
Gemini Robotics ER 2	Embodied-Reasoning-Modell	Plant mehrstufige Aufgaben, kommuniziert mit Menschen und koordiniert mehrere Roboter	Einzelroboter und gemischte Roboterflotten
Gemini Robotics On-Device 2	Lokal ausgeführtes VLA-Modell	Arbeitet direkt auf der Hardware und lässt sich mit wenigen Trainingsdaten anpassen	Roboter mit eingeschränkter oder unzuverlässiger Cloud-Verbindung

Das Kürzel VLA steht für „Vision-Language-Action“. Ein solches Modell verknüpft Bilder, sprachliche Anweisungen und konkrete Handlungen. Es erkennt beispielsweise einen Gegenstand und versteht seine Position im Raum. Danach setzt es einen Auftrag in passende Bewegungsbefehle um. Der Roboter muss dafür nicht jeden einzelnen Schritt als separate Anweisung erhalten. Ein Befehl kann vielmehr ein vollständiges Ziel beschreiben. Diese direkte Verbindung macht natürlichere Mensch-Roboter-Interaktionen möglich.

Gemini Robotics ER 2 ergänzt diese Ausführungsebene um längere Denk- und Planungsprozesse. Das Modell kann mehrstufige Aufgaben zerlegen und ihren Verlauf überwachen. Außerdem kommuniziert es mit Menschen und anderen Robotern. Gemini Robotics On-Device 2 konzentriert sich dagegen auf eine effiziente lokale Ausführung. So entsteht eine Modellfamilie, die Wahrnehmung, Planung und Bewegung miteinander verbindet. Allerdings bedeuten die drei Bezeichnungen nicht zwangsläufig drei voneinander isolierte Systeme. In einer praktischen Anwendung können ihre Fähigkeiten ineinandergreifen.

Apollo 2 erhält eine vollständige Ganzkörpersteuerung

Die auffälligste Neuerung ist die Ganzkörpersteuerung von Apptroniks humanoidem Apollo 2. Frühere Versionen der Robotikmodelle konzentrierten sich vor allem auf Manipulationen mit dem Oberkörper. Gemini Robotics 2 koordiniert nun Bewegungen von den Füßen bis zu den Fingerspitzen. Apollo 2 kann deshalb autonom laufen, sich bücken und seinen Oberkörper neigen. Gleichzeitig kann er Gegenstände erkennen, greifen und an einen anderen Ort bringen. Dabei muss das System fortlaufend das Gleichgewicht des humanoiden Roboters kontrollieren. Wahrnehmung, Fortbewegung und Manipulation werden somit Bestandteile eines gemeinsamen Ablaufs.

Google DeepMind demonstrierte diese Fähigkeit mit einem konkreten Sprachbefehl. Apollo 2 sollte eine Gießkanne in einen grünen Behälter im unteren Regal stellen. Der Roboter musste zunächst den Auftrag und die genannten Objekte verstehen. Danach ging er durch den Raum zur Gießkanne. Er nahm den Gegenstand auf und transportierte ihn zum Regal. Weil sich der Zielbehälter im unteren Bereich befand, musste Apollo 2 seine Körperhaltung entsprechend anpassen. Schließlich legte er die Gießkanne am gewünschten Ort ab.

Diese Demonstration wirkt zunächst wie eine einfache Transportaufgabe. Sie verlangt jedoch die Koordination zahlreicher Teilfähigkeiten. Der Roboter muss die Gießkanne und den grünen Behälter visuell unterscheiden. Außerdem benötigt er eine räumliche Vorstellung vom Raum und eine sichere Gehroute. Beim Greifen muss er die Form und Position des Gegenstands berücksichtigen. Während des Transports darf er weder das Gleichgewicht noch die Kontrolle über die Gießkanne verlieren. Am Regal muss er zudem die Höhe des Zielbereichs erkennen. Erst das Zusammenspiel dieser Schritte macht aus einer einzelnen Bewegung eine autonome Ganzkörperhandlung.

Hände, Greifer und industrielle Präzisionsaufgaben

Neben der Fortbewegung hat Google DeepMind die Geschicklichkeit der Roboter verbessert. Apollo 2 kann dafür mit fünfgliedrigen SharpaWave-Roboterhänden ausgestattet werden. Gemini Robotics 2 steuert damit komplexe Bewegungen einzelner Finger. In einer Demonstration knotete der Roboter einen Müllbeutel zu. In einer weiteren Aufgabe schraubte er eine Glühbirne heraus. Beide Tätigkeiten benötigen kontrollierte Bewegungen und eine laufende Anpassung der eingesetzten Kraft. Sie gehen daher deutlich über das einfache Aufnehmen eines festen Gegenstands hinaus.

Das Zubinden eines Müllbeutels ist für Roboter besonders anspruchsvoll. Kunststofffolie ist weich, verformbar und verändert bei jeder Berührung ihre Form. Der Roboter kann die genaue Position des Materials deshalb nicht einmalig erfassen und anschließend blind handeln. Er muss seine Bewegungen anhand neuer visueller Informationen korrigieren. Beim Herausdrehen einer Glühbirne kommen andere Schwierigkeiten hinzu. Die Hand muss den Gegenstand sicher umfassen und eine Drehbewegung ausführen. Gleichzeitig darf sie die Glühbirne weder fallen lassen noch durch zu viel Kraft beschädigen.

Gemini Robotics 2 unterstützt jedoch nicht nur menschenähnliche Hände. Das Modell kann ebenfalls konventionelle Parallelgreifer steuern. Solche Greifer sind in industriellen Anlagen weit verbreitet. Sie eignen sich für wiederholbare und präzise Handhabungsaufgaben. Als mögliche Anwendungen nennt Google DeepMind das passgenaue Einsetzen von Bauteilen. Auch Verpackungs- und Sortierarbeiten kommen infrage. Die Plattform verbindet damit die Vielseitigkeit humanoider Hände mit der Robustheit industrieller Greifwerkzeuge.

Greiftechnik	Gezeigte oder genannte Aufgabe	Besondere Anforderung
Fünffingerige SharpaWave-Hände	Müllbeutel zuknoten	Umgang mit weichem und verformbarem Material
Fünffingerige SharpaWave-Hände	Glühbirne herausschrauben	Präzise Kraftkontrolle und koordinierte Drehbewegung
Parallelgreifer	Präzisionsmontage und Einsetzen	Genaue Positionierung von Bauteilen
Parallelgreifer	Packarbeiten	Zuverlässiges Greifen und Ablegen in wiederkehrenden Abläufen

Mehrere Roboter planen und arbeiten gemeinsam

Gemini Robotics ER 2 soll auch die Zusammenarbeit mehrerer Roboter ermöglichen. Dabei können unterschiedliche Robotertypen Informationen austauschen und ihre Handlungen koordinieren. Ein komplexer Arbeitsablauf muss deshalb nicht mehr vollständig von einer einzelnen Maschine ausgeführt werden. Stattdessen kann das System einzelne Schritte an geeignete Roboter verteilen. Ein mobiler Roboter könnte etwa Material anliefern. Ein humanoider Roboter könnte anschließend eine unstrukturierte Handhabungsaufgabe übernehmen. Ein stationärer Doppelarm-Roboter könnte danach einen präzisen Montageschritt ausführen.

Diese Kooperation ist vor allem für Fabriken und Logistikzentren interessant. Dort kommen häufig verschiedene Robotersysteme mit spezialisierten Fähigkeiten zum Einsatz. Bislang arbeiten sie oft in getrennten Bereichen oder nach festgelegten Übergaberegeln. Gemini Robotics ER 2 könnte solche Systeme flexibler miteinander verbinden. Dafür muss das Modell den Zustand des gesamten Arbeitsablaufs verfolgen. Außerdem muss es erkennen, wann eine Aufgabe abgeschlossen oder eine Übergabe erforderlich ist. Die Koordination wird damit zu einer eigenständigen KI-Aufgabe.

Das Reasoning-Modell ist auf Abläufe ausgelegt, die sich über mehrere Minuten erstrecken. Es überwacht währenddessen den Fortschritt. Wenn ein Handlungsschritt misslingt, soll das System nicht sofort abbrechen. Stattdessen kann es den Fehler erkennen und einen neuen Versuch planen. Ebenso kann es seine Strategie an veränderte Situationen anpassen. Diese Fähigkeit ist für reale Arbeitsumgebungen entscheidend. Dort stehen Gegenstände nicht immer an exakt derselben Position, und auch Menschen können einen geplanten Ablauf verändern.

Die Kommunikation mit Menschen ist ebenfalls Bestandteil von Gemini Robotics ER 2. Das Modell kann Anweisungen aufnehmen und Rückfragen oder Statusinformationen verarbeiten. Dadurch können Beschäftigte einen Roboter auf der Ebene des Arbeitsziels anleiten. Sie müssen nicht jede Gelenkbewegung oder jeden Wegpunkt programmieren. Dennoch bleibt entscheidend, wie zuverlässig das Modell mehrdeutige Anweisungen erkennt. Auch die Zuständigkeit bei Fehlern muss eindeutig geregelt sein. Für industrielle Anwendungen werden daher weiterhin klar definierte Prozesse und Sicherheitsgrenzen benötigt.

Lokale Ausführung und neue Sicherheitsmechanismen

Gemini Robotics On-Device 2 läuft direkt auf der Hardware eines Roboters. Das Modell ist damit nicht permanent auf eine Cloud-Verbindung angewiesen. Diese Eigenschaft eignet sich für Fabriken, Lagerhallen und abgelegene Einsatzorte mit eingeschränkter Netzabdeckung. Außerdem kann eine lokale Verarbeitung die Verzögerung zwischen Wahrnehmung und Bewegung verringern. Sensible Kamera- und Betriebsdaten müssen dabei nicht für jede Entscheidung an externe Server übertragen werden. Dennoch hängen Leistung und Reaktionsgeschwindigkeit von der verfügbaren Hardware ab. Google DeepMind hat keine allgemeinen Leistungswerte für jede denkbare Roboterplattform genannt.

Besonders relevant ist der geringe Anpassungsaufwand. Nach Angaben von Google DeepMind kann On-Device 2 auf neue Doppelarm-Roboter übertragen werden. Dafür sollen weniger als 200 Trainingsbeispiele genügen. Die Daten können innerhalb weniger Stunden gesammelt werden. Das könnte die Inbetriebnahme neuer Roboter deutlich beschleunigen. Zugleich bleibt offen, wie stark die benötigte Datenmenge bei besonders komplexer Hardware oder ungewöhnlichen Aufgaben steigt. Die genannte Schwelle ist daher als Herstellerangabe für die demonstrierten Anpassungsszenarien zu verstehen.

Google DeepMind ergänzt die Modellfamilie um den Sicherheitsbenchmark ASIMOV-Agentic. Er untersucht die agentische Sicherheitskoordination und den Umgang mit Unsicherheit. Geprüft wird beispielsweise, ob ein Roboter einen gefährlichen Auftrag ablehnt. Außerdem soll er erkennen, wenn sich eine Aufgabe nicht sicher ausführen lässt. In einem solchen Fall muss das System menschliche Unterstützung anfordern. Der Benchmark betrachtet Sicherheit somit nicht nur als Not-Aus-Funktion. Er prüft auch, ob die KI Risiken während der Planung angemessen bewertet.

Gemini Robotics ER 2 verfügt laut Google DeepMind zudem über eine verbesserte Wahrnehmung von Menschen. Das System soll Personen in der Nähe erkennen und entsprechende Sicherheitsfunktionen auslösen. Betritt ein Mensch den Arbeitsbereich, kann der Roboter kontrolliert anhalten. Diese Fähigkeit ist besonders wichtig, wenn autonome Maschinen nicht dauerhaft hinter Schutzzäunen arbeiten. Allerdings ersetzen solche KI-Funktionen keine vorgeschriebenen industriellen Sicherheitskonzepte. Sensorik, Risikobeurteilungen und unabhängige Schutzsysteme bleiben für reale Einsätze erforderlich. Die vorgestellten Funktionen bilden daher eine zusätzliche Sicherheitsebene.

Neuer Blickwinkel: Die wichtigste Veränderung könnte weniger in einer einzelnen spektakulären Bewegung liegen als in der verkürzten Einlernzeit. Wenn ein On-Device-Modell tatsächlich mit weniger als 200 Beispielen an neue Hardware angepasst werden kann, verändert sich die Wirtschaftlichkeit kleiner Automatisierungsprojekte. Dann könnten Roboter auch Aufgaben übernehmen, deren klassische Programmierung bisher zu teuer war. Gleichzeitig entsteht jedoch eine neue Abhängigkeit von der Qualität weniger Trainingsbeispiele. Fehlerhafte oder einseitige Daten könnten sich schneller auf reale Bewegungen übertragen. Unternehmen benötigen deshalb nicht nur Robotertechniker, sondern auch Verfahren zur Prüfung von Trainingsdaten, Verhaltensgrenzen und Updates.

Gemini Robotics ER 2 ist bereits über Google AI Studio verfügbar. Zudem befindet sich das Modell in einer privaten Vorschau auf der Gemini Enterprise Agent Platform. Der Zugang zu den beiden anderen Modellen ist stärker beschränkt. Gemini Robotics 2 und Gemini Robotics On-Device 2 stehen zunächst ausgewählten Early-Access-Partnern zur Verfügung. Eine allgemeine Veröffentlichung wurde in der Ankündigung nicht genannt. Auch Angaben zu Preisen oder konkreten kommerziellen Einsatzterminen fehlen. Die gezeigten Fähigkeiten markieren deshalb einen wichtigen Entwicklungsschritt, aber noch keinen flächendeckenden Marktstart.

Fazit

Gemini Robotics 2 zeigt, wie schnell humanoide Roboter vom programmierten Werkzeug zum anpassungsfähigen Handlungssystem werden. Apollo 2 läuft, greift und plant erstmals als koordinierte Einheit. Besonders spannend sind jedoch die lokale Verarbeitung, die schnelle Anpassung an neue Hardware und die Kooperation mehrerer Maschinen. Ob daraus zuverlässige Fabrikhelfer entstehen, entscheiden reale Dauertests, Sicherheitsnachweise und Betriebskosten. Google DeepMind liefert dafür eine leistungsfähige Intelligenzschicht. Nun muss sie außerhalb kontrollierter Demonstrationen beweisen, wie robust, sicher und wirtschaftlich sie wirklich arbeitet.

Einordnung: Was die Demonstration zeigt – und was nicht

Die Steuerung eines humanoiden Roboters durch ein Robotikmodell ist ein wichtiger Schritt für verkörperte KI. Eine Demonstration belegt jedoch nicht automatisch einen robusten Serienbetrieb. Entscheidend sind Wiederholbarkeit, Sicherheitsgrenzen, Fehlerbehandlung, Geschwindigkeit und die Leistung in wechselnden realen Umgebungen.

FAQ

Was ist Gemini Robotics?

Gemini Robotics ist ein auf robotische Wahrnehmung, Planung und Handlung ausgerichteter KI-Ansatz von Google DeepMind. Er soll Sprach- und Wahrnehmungsinformationen mit physischen Aktionen verbinden.

Kann Apollo 2 dadurch vollständig autonom arbeiten?

Eine gezeigte Steuerung oder Demo bedeutet nicht automatisch vollständige Autonomie in jeder Umgebung. Der konkrete Einsatzgrad hängt von Aufgabe, Sensorik, Sicherheitskonzept und Training ab.

Warum sind humanoide Roboter für Fabriken interessant?

Sie können in Umgebungen arbeiten, die bereits für Menschen, Werkzeuge und Regale ausgelegt sind. Wirtschaftlich relevant werden sie erst bei sicherer, wiederholbarer und wartbarer Leistung.

Quellen

Bewerte den Beitrag hier!

[Total: 1 Average: 5]

Nico Nuss

Website

Der Autor Nico Nuss beschäftigt sich seit 2001 mit den Themen Mobile Computing und Automation Software. Auf Grund seiner Erfahrung und dem starken Interesse für Zukunftstechnologien gilt seine Aufmerksamkeit den Themen Robotik und AI.