Google DeepMind har opdateret sin robot-AI, og denne gang handler det om hele kroppen. Med Gemini Robotics 2 vil selskabet styre en humanoid robot fra fødder til fingerspidser i én og samme model, altså både benenes balance, armenes bevægelser og fingrenes greb. De tidligere versioner sad først og fremmest på robotarme og en enkelt humanoid i DeepMinds egne opstillinger.
Opdateringen består af tre modeller. Selve vision-language-action-modellen, forkortet VLA, hedder Gemini Robotics 2 og oversætter det, robotten ser, sammen med en instruktion i almindeligt sprog til bevægelser. Den styrer både humanoider i fuld størrelse og tohåndede robotter og skal ifølge DeepMind give et nyt niveau af fingerfærdig manipulation med både flerfingrede hænder og enklere gribere.
Den anden model, Gemini Robotics ER 2, er den planlæggende del, det DeepMind kalder en model til kropslig ræsonnering (embodied reasoning, forkortet ER). Selskabet beskriver den som robottens overordnede hjerne. Den kan følge med i en løbende videostrøm og selv registrere, hvornår en opgave er løst, lægge en plan i flere trin og kalde værktøjer undervejs, blandt andet andre VLA-modeller og Google-søgning. Flere robotter kan desuden koordinere gennem en fælles forståelse af situationen.
Den tredje, Gemini Robotics On-Device 2, er en letvægtsudgave, der kører lokalt på robotten uden netværk. DeepMind oplyser, at den kan tilpasses en ny robotkrop på nogle få timer, typisk med under 200 eksempler.
Balancetallene ligger mere spredt end grebene
DeepMind oplyser, at ER 2 konsekvent slår forgængeren ER 1.6 på opgaveplanlægning og på sikkerhedsbenchmarks, og at den finder det rigtige øjeblik i en video med 91,3 procents træfsikkerhed. For selve helkrops-styringen ligger succesraterne mere spredt. Selskabet angiver mellem 45,7 og 76,3 procent på helkrops-manipulation alt efter arbejdshøjde og op til 89,6 procent for gribere, mens de sværeste flerfinger-opgaver svinger fra 32 til 92 procent. Målingerne stammer fra selskabets egne opstillinger.
Modellerne er vist på en række robotkroppe, blandt andre Apptroniks nye Apollo 2, Franka-armene og platforme fra Dexmate og Trossen. ER 2 er tilgængelig nu gennem Gemini API og Google AI Studio, mens VLA- og on-device-modellerne foreløbig er forbeholdt udvalgte partnere.
Modellerne bygger videre på den Gemini Robotics 1.5-familie, DeepMind præsenterede i september 2025, hvor robotterne fik agent-evner til at bryde en opgave i trin, før de gik i gang. Om helkrops-modellen kan holde en tobenet robot i balance lige så sikkert i en rigtig fabrik eller et hjem, som den gør i DeepMinds egne demonstrationer, er det, de kommende afprøvninger skal vise.
