Analyse von Gemini Robotics 2: Roboter-KI wird zum Stack

Ein humanoider Roboter, der eine Glühbirne einschraubt, ist entweder ein Meilenstein der verkörperten KI oder der Auftakt zu einer sehr teuren Sitcom. Laut WIRED hat Google DeepMind Gemini Robotics 2 veröffentlicht, ein System, das verschiedene Roboter steuern kann, darunter Humanoide, die geschickte Aufgaben wie das Einschrauben von Glühbirnen und das Zubinden von Müllbeuteln erledigen können. Der auffällige Teil ist der humanoide Körper; der wichtige Teil ist die Architektur, die sich hinter den Knöcheln versteckt. Das ist kein Chatbot, der an einen Roomba geklebt wurde und inspirierende OKRs bekommen hat. WIRED berichtet, dass Gemini Robotics 2 mehrere KI-Modelle zu einem System kombiniert, damit ein Roboter seine Umgebung verstehen und entscheiden kann, wie er handeln soll. Das ist die nützliche Geschichte für Entwicklerinnen und Entwickler: Robotik-KI bewegt sich weg von isolierten Steuerungen für einzelne Tricks und hin zu integrierten Stacks, die Wahrnehmung, Sprachverständnis, Schlussfolgern und Handlungsplanung verbinden.

WIRED: Der Roboter ist jetzt ein Stack

WIRED beschreibt Gemini Robotics 2 als kombiniertes System, das aus einem Vision-Language-Modell und zwei Vision-Language-Action-Modellen aufgebaut ist. Das VLM versteht Bilder und Videos, kommuniziert mit Menschen und denkt über Aufgaben nach, während die VLA-Modelle für Bewegung im physischen Raum trainiert sind und Ganzkörperbewegungen plus Greifer oder Hände steuern. In Demos, die WIRED gezeigt wurden, nutzte Apptroniks Roboter Apollo 2 Hände von Sharpa, um Regale aufzuräumen – eine angenehm alltägliche Aufgabe und deshalb interessanter als ein Rückwärtssalto (Rückwärtssaltos füllen selten Müslipackungen nach). Der entscheidende Unterschied ist: Ein Roboter muss nicht nur wissen, was ein Müllbeutel ist. Er muss den Beutel erkennen, das Ziel erschließen, eine Abfolge planen, einen Körper bewegen, der den Gesetzen der Physik gehorcht, und sich erholen, wenn der Beutel sich wie ein kleiner, heimgesuchter Fallschirm verhält. Genau deshalb ist die Aufteilung in VLM plus VLA wichtig: Sprache und Wahrnehmung ersetzen die Steuerung nicht, sie werden in sie eingebunden.

Ars Technica: Google liefert Teile, nicht die ganze Oper

Ars Technica berichtet, dass Gemini Robotics 2 drei Modelle umfasst, aber derzeit nur eines öffentlich verfügbar ist. Derselbe Bericht sagt, dass Googles Roboter komplexere Aufgaben bewältigen, sich verändernde Umgebungen kontinuierlich analysieren und mit anderen Robotern zusammenarbeiten können. Google sagt außerdem, dass das System laut Ars Technica einen vollständigen humanoiden Roboter mit verbesserter Geschicklichkeit steuern kann, einschließlich Maschinen mit komplexen humanoiden Händen. Dieses Detail zur Verfügbarkeit ist die nützliche kalte Dusche. Wenn du heute etwas baust, lautet die Geschichte nicht, dass jeder Roboter plötzlich eine universelle Gehirntransplantation erhalten hat. Sie lautet: Google macht einen Teil des Stacks zugänglich, hält das umfassendere System aber näher am Labor. Das ist in der Robotik normal, denn die Realität ist der schlimmste Unit-Test, der je geschrieben wurde.

Google: ER 2 ist der Planer in der chaotischen Mitte Googles eigener Blog sagt,

Gemini Robotics ER 2 sei als übergeordnetes Gehirn für Roboter gedacht und ermögliche räumliches Schlussfolgern in Echtzeit, mehrstufige Aufgabenplanung und Zusammenarbeit zwischen verschiedenen Robotern. Google sagt, Entwicklerinnen und Entwickler können über die Gemini API, Google AI Studio oder die Gemini Enterprise Agent Platform auf ER 2 zugreifen. Damit ist ER 2 weniger wie ein Motorcontroller und eher wie der Aufgaben-Orchestrator, der entscheidet, was passieren soll, bevor untergeordnete Systeme die Bewegung ausführen. Der Veröffentlichungspost von Google DeepMind vom 30. Juli 2026 beschreibt das Problem als Abkehr von Robotern, die für enge, repetitive Aufgabensequenzen vorprogrammiert oder ferngesteuert werden. Das Unternehmen argumentiert, dass Roboter Modelle brauchen, die in unvorhersehbaren Umgebungen denken, handeln und interagieren können. Wenn man das glänzende Demo-Licht weglässt, bleibt eine ernsthafte Forschungsthese: Allgemeines Roboterverhalten braucht Transfer über verschiedene Körper hinweg, Echtzeit-Verankerung in der Umgebung und Planung, die auch den Kontakt mit Socken auf dem Boden überlebt.

The Next Web: Immer noch unbeholfen,

immer noch wichtig The Next Web berichtet, dass Gemini Robotics 2 einen Humanoiden von den Füßen bis zu den Fingerspitzen steuern, mehrere Roboter gleichzeitig koordinieren und sich in wenigen Stunden an eine neue Maschine anpassen kann. Es erwähnt auch den weniger glamourösen Teil: DeepMinds eigene Zahlen zeigen, dass die Roboter bei den fummeligsten Aufgaben weiterhin langsam und unbeholfen sind. Gut so. Dieser Satz sollte auf jedes Pitch Deck für humanoide Roboter gedruckt werden, in geschmackvollem Helvetica. Für Leserinnen und Leser ist als Nächstes nicht entscheidend, ob ein Demo-Roboter unter Studiobedingungen noch eine weitere Haushaltsaufgabe erledigen kann. Achtet darauf, welche Teile des Stacks für Entwicklerinnen und Entwickler verfügbar werden, wie gut Fähigkeiten zwischen Roboterkörpern übertragen werden und ob die Bewertung über Highlight-Reels hinaus zu wiederholbaren Benchmarks für Geschicklichkeit, Sicherheit und Zusammenarbeit geht. Robotik-KI wird weniger wie das Beibringen eines einzelnen Partytricks an eine Maschine und mehr wie der Aufbau eines Nervensystems – aufregend, beängstigend und genau der Grund, warum die Glühbirne vielleicht lieber ihren Kassenbon behalten sollte.