Jul, 134 Min. Lesezeit
Frontend
News · Google DeepMind teilt seinen Robotik-Vorstoß in ein Full-Stack-Modell und ein programmierbares Reasoning-Modell auf
Mar, 124 Min. Lesezeit
FrontendGoogle DeepMind teilt seinen Robotik-Vorstoß in ein Full-Stack-Modell und ein programmierbares Reasoning-Modell auf
Gemini Robotics und Gemini Robotics-ER verfolgen zwei unterschiedliche Ansätze gegenüber Entwicklern: einen geschlossenen und einen, der für eigenen Code offen ist.
Zwei Modelle, zwei unterschiedliche Schnittstellen für Entwickler
Google DeepMind hat zwei auf Gemini 2.0 basierende Modelle angekündigt. Das erste, Gemini Robotics, wird als sein fortschrittlichstes Vision-Language-Action-Modell beschrieben, das Robotern ein breiteres Spektrum realer Aufgaben ermöglichen soll. Das zweite, Gemini Robotics-ER, ist anders positioniert: Es erlaubt Roboteringenieuren, mithilfe von Geminis verkörpertem Reasoning eigene Programme auszuführen.
Diese Unterscheidung ist das Konkreteste an der Ankündigung. Das eine Modell ist der gesamte Kreislauf – Wahrnehmung, Sprache und Handlung in einem Paket vereint. Das andere stellt Reasoning als Komponente bereit, um die herum man selbst baut. Google liefert kein einzelnes Roboter-Gehirn, sondern zwei Einstiegspunkte mit unterschiedlich viel Kontrolle für den Entwickler.
Vision-Language-Action als einheitliche Schnittstelle
Dass Gemini Robotics als Vision-Language-Action-Modell konzipiert ist, hat Bedeutung dafür, wie ein Roboter angewiesen wird. Es verschmilzt Sehen, das Verstehen einer Anweisung und das Erzeugen von Bewegung zu einem System. Für Entwickler bedeutet das, dass früher getrennte Stufen – eine Wahrnehmungspipeline, ein Planer, ein Controller – hinter einem einzigen Aufruf zusammengeführt werden.
Der Kompromiss liegt bei der Nachvollziehbarkeit. Wenn das Modell den gesamten Weg von Bild und Anweisung bis zur Handlung übernimmt, liegen die Stellen, an denen man normalerweise prüfen oder eingreifen würde, im Inneren des Modells. Die Ankündigung liefert keine Details dazu, wie sichtbar dieses interne Verhalten ist – genau die Frage, die ein Team bei der Integration beantwortet haben müsste.
Gemini Robotics-ER und das Argument für die eigene Kontrollschleife
Gemini Robotics-ER ist die Variante, die bestehende Entwicklungsarbeit respektiert. Roboteringenieure behalten ihre eigenen Programme und rufen das verkörperte Reasoning darin als Service auf. Das ist die Schnittstelle für Teams, die bereits Controller, Sicherheitsschichten und Hardware-Abstraktionen besitzen, die sie nicht über Bord werfen wollen.
Diese Aufteilung erkennt etwas Reales in der Robotik-Arbeit an: Der letzte, entscheidende Steuerungscode ist spezifisch, getestet und oft sicherheitskritisch. Ein Reasoning-Modell anzubieten, das sich einklinkt, statt ihn zu ersetzen, passt ehrlicher dazu, wie Roboter tatsächlich ausgeliefert werden, als ein monolithisches Action-Modell allein.
Der Status als vertrauenswürdiger Tester ist die aktuelle Einschränkung
Beide Modelle werden derzeit mit Partnern und vertrauenswürdigen Testern erprobt. Es gibt keinen offenen Zugang, keine Preisgestaltung und keine genannte Hardware-Kompatibilität in der Ankündigung. Alles, was ein Team heute rund um diese Modelle plant, bleibt vorläufig, bis sich dieser Zugang erweitert.
Die konkrete Schlussfolgerung lautet: Die eigentlich relevante Entscheidung, die Google hier aufgezeigt hat, ist nicht, welches Modell leistungsfähiger ist, sondern welche Haltung man einnehmen möchte – ein durchgängiges Action-Modell oder eine Reasoning-Schicht im eigenen Code. Für alle, die darauf aufbauen, ist Gemini Robotics-ER die Variante, die die eigene Kontrollschleife intakt lässt, und genau das ist die Wahl, die es zu beobachten gilt, sobald sich der Zugang öffnet.
Find this story relevant to you?
Contact us to find a unique solution
Brauchen Sie einen KI-Engineering-Partner, der auch liefern kann?
Wir helfen Unternehmen dabei, KI in Produkte und Prozesse zu integrieren, wertvolle Workflows zu automatisieren und die zugrunde liegenden Softwaresysteme zu modernisieren.
Weiterführende Beiträge
Weitere Analysen rund um Produktbereitstellung, operative KI und die Systemarbeit, die dafür sorgt, dass der Einsatz in der Praxis Bestand hat.