Die Ankündigung von Gemini Robotics 2 durch Google DeepMind wirkt schnell wie der nächste "AI gets a body"-Moment. Die Videos zeigen humanoids, Zweiarm-Plattformen und robot orchestration: Ein Roboter beobachtet eine Szene, verfolgt den Fortschritt, reagiert auf verschobene Objekte und stimmt sich mit einer anderen Maschine ab.

Roboter im Labor mit AI-Planungsanzeige und Sicherheitszone

Das ist echter Fortschritt in robotics. Es ist aber noch kein Roboter, den man für Wohnung, Lager oder Pflegebetrieb kaufen kann.

Was Google angekündigt hat

DeepMind beschreibt drei Modelle. Gemini Robotics 2 VLA macht aus vision/language input robot actions. Gemini Robotics ER 2 übernimmt embodied reasoning: Video verstehen, Anweisungen deuten, Fortschritt verfolgen, tools und robot APIs aufrufen. Gemini Robotics On-Device 2 soll lokal und mit niedriger Latenz laufen.

Der öffentliche Zugang ist enger als die Demos wirken. ER 2 ist über Gemini API und Google AI Studio verfügbar, darunter gemini-robotics-er-2-preview und eine streaming preview für Live API. Das VLA-Aktionsmodell und On-Device bleiben early-access partners vorbehalten. Ars Technica brachte es auf den Punkt: drei Modelle, aber nur eines ist jetzt öffentlich verfügbar.

Warum es trotzdem zählt

Wichtig ist nicht nur, dass ein humanoid läuft. Spannend ist die Behauptung, dass die Reasoning-Schicht continuous video auswertet, den Stand einer Aufgabe erkennt, weiterplant und kleine Änderungen auffängt.

Google nennt 57.4% accuracy für progress classification und 91.3% accuracy plus 0.96 seconds mean absolute distance für moment finding. Der zweite Wert klingt nützlich. Der erste ist eine Warnung: Rund 60% reicht nicht allein in der Nähe von Menschen oder teurer Ausrüstung.

Die Architektur ist plausibel. Oben entscheidet ein Modell, unten führen VLA, Controller, robot APIs oder Menschen aus. Das ist realistischer als ein LLM, das direkt jeden Motor steuert.

Die Debatte

Der Hacker-News-Thread hatte bei der Prüfung 609 points und 515 comments. Die Fragen waren praktisch: doorknobs, Stürze, Möbel, unklare Objektbeschreibungen, actuator limits, latency, Kosten, Sicherheit und Vertrauen in Google APIs.

Beim Heimroboter gehen die Meinungen auseinander. Manche würden viel Geld für einen household assistant zahlen. Andere sagen, viele Aufgaben brauchen keinen humanoid: Spezialroboter, feste Arme oder mobile Basen sind oft besser. Dazu kommt privacy: Ein Heimroboter ist Kamera, Mikrofon und bewegliche Maschine in privatem Raum.

Safety ist der eigentliche Test

DeepMind veröffentlichte ASIMOV-Agentic auf Hugging Face und einen safety technical report. Bewertet werden safety tool calls, human safety monitoring, feasibility, uncertainty und Fälle, in denen der Agent Hilfe holen soll.

Das ist der richtige Maßstab. Ein Roboterfehler kann Dinge umwerfen, Hände einklemmen, Ware beschädigen oder im falschen Moment loslaufen. Die Frage lautet nicht nur, ob er die Aufgabe im Video schafft, sondern ob er weiß, wann er stoppen muss.

Wo der Nutzen zuerst entsteht

Erste Einsätze dürften eher in labs, warehouses, inspection routes, facilities und manufacturing cells liegen. Dort kann man Raum, Aufgabe, ROI und Safety Case kontrollieren. Wohnungen sind schwieriger: Unordnung, Kinder, Haustiere, privacy und schwache Wirtschaftlichkeit.

Humanoid shape hilft, wenn die Umgebung für Menschen gebaut wurde. Für viele Jobs sind aber wheeled base, fixed arm, AMR, drone oder Spezialmaschine billiger und sicherer.

Was jetzt zählt

Wichtig werden independent trials, partner pilots, failure videos, task-level success rates, teleoperation disclosure, latency, Wartungskosten und Vorfälle. Entscheidend ist auch, ob ER 2 über Gemini API echte Roboteragenten ermöglicht oder ob die entscheidenden Fähigkeiten geschlossen bleiben.

Die nüchterne Lesart: Gemini Robotics 2 zeigt besseres robot reasoning. Der Beweis für everyday deployment hinkt hinterher. "Physical AGI" ist noch keine Produktkategorie.