Dek: DeepMind hat ein stärkeres Robotermodell veröffentlicht und gleich einen Test mitgeliefert, der es zum Regelbruch verleiten soll. Die viel zitierte Bestmarke gehört zu einem anderen Modell.
Was Gemini Robotics 2.5 ist und was ein vision-language-action model leistet
Google DeepMind hat Gemini Robotics 2.5 am 10. November vorgestellt und nennt es das leistungsfähigste Modell seiner Art. Ein vision-language-action model bekommt Kamerabilder und eine Anweisung und gibt Bewegungen aus, also Gelenkwinkel und Griffbefehle statt Text.
Der Unterschied zu einem Sprachmodell ist der Ausgabekanal. Ein chatbot schreibt, ein VLA greift. Genau deshalb hängt an dieser Modellklasse eine Sicherheitsdebatte, die bei Textmodellen erst mit Jailbreaks begann und bei Robotern physisch endet.
Die Zahlen, die DeepMind für Gemini Robotics 2.5 nennt
DeepMind hat das Modell nach eigenen Angaben in mehr als 200 Aufgaben geprüft, darunter Essen mit einer Zange servieren, eine Schleife an eine Geschenkbox binden und Flüssigkeit mit einer Pipette dosieren.
Je nach Aufgabentyp liegt die Erfolgsquote 30 bis 100 Prozent über früheren Vergleichswerten, und die Ausführung ist 20 bis 30 Prozent schneller. Das sind Werte aus der eigenen Auswertung, nicht aus einem unabhängigen Test. Wer sie zitiert, sollte das mitsagen.
Mercedes-Benz in Sindelfingen: ein Proof of Concept, keine Flotte
Der anschaulichste Beleg stammt aus der Fabrik. Mit Apptronik und Mercedes-Benz hat DeepMind einen Proof of Concept gefahren, bei dem humanoide Apollo-2-Roboter Bauteile für die Montage an Produktionslinien in Kecskemét in Ungarn und in Sindelfingen zusammenstellten. Die Erfolgsquote lag bei 96 Prozent.
Wichtig ist der Status. Das ist ein Pilot, keine Flotte im Regelbetrieb, und niemand nennt eine Stückzahl. In Sindelfingen arbeiten weiterhin Menschen an denselben Linien, und der Test sagt nichts darüber, wie sich ein Modell verhält, wenn eine Charge plötzlich anders aussieht als in der Woche davor.
Kitting heißt in diesem Zusammenhang: Ein Roboter stellt die Teile zusammen, die an einer Linie in einer bestimmten Reihenfolge gebraucht werden. Es ist eine Aufgabe mit vielen Varianten und wenigen Freiheitsgraden, und genau deshalb taugt sie als erster Test.
Technisch steckt in Apollo 2 eine SharpaWave-Hand mit fünf Fingern und 22 Freiheitsgraden. Das Modell läuft laut DeepMind auch auf der Franka-Duo-Plattform und mit zweifingrigen Greifern, was für den Preis und für die Nachrüstung bestehender Anlagen entscheidend ist.
ASIMOV-Jailbreak: ein robot safety benchmark, der angreift
Der zweite Teil der Veröffentlichung ist der interessantere. Mit ASIMOV-Jailbreak legt DeepMind einen offenen Test vor, der versucht, Robotermodelle zu unerwünschten Handlungen zu bewegen. Das Set enthält Hunderte Prompts, die gefährliche Anweisungen über Dutzende Szenen hinweg tarnen.
Ein robot safety benchmark dieser Art ist neu, weil er nicht nach der besten Leistung fragt, sondern nach der schlechtesten Antwort. Wer ein Modell in eine Halle stellt, will wissen, ob es eine Anweisung ablehnt, die es ablehnen müsste.
Ob Hunderte Prompts reichen, um reale Angriffe abzubilden, ist offen. Ein Benchmark ist eine Stichprobe, und DeepMind beschreibt selbst nur den Aufbau, nicht die Abdeckung aller denkbaren Attacken.
Wie viele Szenen ein Test abdecken müsste, damit eine Halle ihm vertraut? Darauf gibt es keine allgemeine Antwort. Wer heute eine Zelle abnimmt, prüft jeden Handgriff einzeln und nicht die Statistik eines Fremdanbieters.
Gemini 4 Argon: 99,5 Prozent und eine zweite Rolle
In diesem Test erreicht Gemini 4 Argon eine Widerstandsrate von 99,5 Prozent, während Gemini Robotics ER 2 bei 82 Prozent liegt. Die Zahl gehört also zum Sprachmodell Argon, nicht zu Gemini Robotics 2.5, und diese Verwechslung ist in ersten Meldungen aufgetaucht.
Argon hatte im Projekt noch eine zweite Aufgabe. DeepMind nutzte das Modell als Simulationsumgebung, um Übungsläufe zu erzeugen, digitale Zwillinge zu bauen und Fehlschläge auszuwerten. Ein Sprachmodell, das Trainingsdaten für ein Robotermodell produziert, ist der eigentliche Fortschritt hinter der Ankündigung.
Was Gemini Robotics 2.5 für Sicherheit in der Halle bedeutet
Für Betreiber zählt nicht die Widerstandsrate gegen Prompts, sondern das Verhalten neben einem Menschen. Hier nennt DeepMind zwei Werte aus eigenen Tests: Eine Reasoning-Steuerung während der Inferenz verbessert die sichere Aufgabenerledigung um 33 Prozent in der Nähe von Hindernissen und um 43 Prozent in der Nähe von Personen.
Das ist ein Fortschritt und keine Garantie. Ein Modell, das eine gefährliche Anweisung ablehnt, kann trotzdem einen Arm zu schnell bewegen. In Deutschland prüft man solche Anlagen nach ISO 10218 und lässt sie abnehmen, und ein Benchmark ersetzt diese Prüfung nicht.
Wer eine Halle betreibt, wird außerdem die Berufsgenossenschaft fragen müssen, und die fragt nach Dokumentation. DeepMind liefert dafür bisher einen Blogbeitrag und ein Benchmark-Repository.
Wer eine Zelle in Betrieb nimmt, prüft jeden Handgriff, jede Lichtschranke und jede Not-Aus-Funktion einzeln, und genau diese Prüfung kann ein Modell mit besserer Erfolgsquote nicht ersetzen.
Was bei Gemini Robotics 2.5 noch fehlt
Ein Preis ist nicht genannt, ein Termin für die allgemeine Verfügbarkeit auch nicht. Gemini Robotics 2.5 geht an die Robotikpartner von DeepMind, und wer nicht dazugehört, kommt vorerst nicht heran.
Ein Pilot bleibt ein Pilot.
Unabhängige Nachbauten der Ergebnisse fehlen ebenfalls. Bis jemand die 96 Prozent aus Sindelfingen mit anderem Greifer und anderer Taktzeit nachfährt, bleibt es eine Zahl aus einer Pressemitteilung mit Datenanhang.
Für die Frage, ob Robotermodelle sicher genug für die Fabrik sind, ist der Test trotzdem nützlich. Er macht vergleichbar, was bisher jeder Anbieter für sich behauptet hat.
