Google DeepMind bringt Gemini Robotics direkt auf den Roboter und gibt das Modell erstmals zum Feintuning frei

Google DeepMind hat am 24. Juni 2025 Gemini Robotics On-Device vorgestellt, eine Variante seines Robotersteuerungsmodells, die vollständig auf der Maschine selbst rechnet. Das Unternehmen will seine Gemini-Modelle damit aus dem Rechenzentrum holen und in Werkhallen, Lager und Haushalte bringen, wo Funkverbindungen unzuverlässig sind und jede Millisekunde Latenz zählt.

In einem von Carolina Parada gezeichneten Beitrag beschreibt DeepMind das Modell als Basismodell für zweiarmige Roboter, das mit wenig Rechenleistung auskommt und ohne Netzanbindung mit geringer Latenz arbeitet. Zugleich ist es das erste Vision-Language-Action-Modell (VLA) von DeepMind, das externe Entwickler feintunen dürfen. Bei der Vorstellung der cloudbasierten Gemini-Robotics-Familie drei Monate zuvor hatte das Labor diesen Schritt noch nicht gewagt.

Nach Angaben von DeepMind lernt das Modell neue Aufgaben mit 50 bis 100 Demonstrationen. Getestet wurde das an sieben feinmotorischen Aufgaben unterschiedlicher Schwierigkeit, darunter das Zuziehen eines Reißverschlusses an einer Brotdose, das Ziehen einer Spielkarte und das Ausgießen von Salatdressing. In Tests zur Generalisierung, bei denen Umgebung, Formulierung der Anweisung und geforderte Bewegung variiert wurden, übertraf On-Device laut DeepMind die bisher besten lokal laufenden VLA-Modelle. Konkrete Werte nannte das Labor nur in Diagrammen, nicht im Text.

Trainiert wurde ausschließlich auf ALOHA, einer günstigen zweiarmigen Forschungsplattform. Anschließend übertrug DeepMind dasselbe Modell auf zwei sehr unterschiedliche Maschinen. Auf einem zweiarmigen Franka FR3 des Münchner Herstellers Franka Robotics faltete es ein Kleid und erledigte eine präzise industrielle Riemenmontage. Auf dem Humanoiden Apollo von Apptronik folgte es Anweisungen in natürlicher Sprache und griff auch unbekannte Gegenstände. Diese Übertragbarkeit zwischen Roboterkörpern entscheidet darüber, ob ein einmal trainiertes Modell auf vielen Plattformen eingesetzt werden kann.

Parallel startete DeepMind ein Gemini Robotics SDK. Entwickler können damit das Modell an eigenen Aufgaben prüfen, es im Physiksimulator MuJoCo testen und an neue Einsatzfelder anpassen. Der Zugang ist beschränkt: Interessenten müssen sich für das Trusted-Tester-Programm von DeepMind bewerben. Der SDK-Code liegt unter Apache-2.0-Lizenz offen auf GitHub, die Modellgewichte selbst veröffentlicht DeepMind nicht.

Die Ankündigung baut auf dem Programm auf, das am 12. März 2025 begann. Damals stellte DeepMind Gemini Robotics und Gemini Robotics-ER auf Basis von Gemini 2.0 vor, benannte Apptronik als Humanoid-Partner und führte Agile Robots aus München, Agility Robotics, Boston Dynamics und Enchanted Tools als Tester. Apptronik hatte im Februar 2025 eine Series A über 350 Millionen US-Dollar unter Beteiligung von Google eingesammelt und im März weitere 53 Millionen US-Dollar nachgelegt, wie das Unternehmen mitteilte.

Der Wettbewerb ist dicht. Figure AI erklärte im Februar, sein VLA-Modell Helix laufe vollständig auf zwei sparsamen eingebetteten GPUs im Roboter; ein Sprach-Bild-Modell mit 7 Milliarden Parametern arbeitet dort mit einem Regler mit 80 Millionen Parametern zusammen, der 35 Freiheitsgrade mit 200 Hertz ansteuert. NVIDIA öffnete im März Isaac GR00T N1, auf Hugging Face als Modell mit 2 Milliarden Parametern ausgewiesen. Hugging Face veröffentlichte am 3. Juni das offene Modell SmolVLA mit 450 Millionen Parametern, das auch auf einer CPU läuft. Physical Intelligence stellt die Gewichte von π0 über sein openpi-Repository bereit.

Für die europäische Industrie ist die Nachricht zweischneidig. Mit Franka Robotics und Agile Robots stehen zwei Münchner Firmen in der Nähe des Programms, und für Maschinenbauer im Mittelstand, die keine eigene KI-Abteilung aufbauen können, wäre ein feintunbares Modell aus dem Regal attraktiv. Zugleich liefe die Steuerungsintelligenz dann über ein Programm eines US-Konzerns mit geschlossenen Gewichten, was Fragen nach Abhängigkeit, Datenhoheit und Nachweisführung gegenüber Aufsichtsbehörden aufwirft. Europäische Hersteller mit eigenen Softwareplänen dürften unter Druck geraten, schneller eigene Modelle vorzuweisen.

Beim Thema Sicherheit setzt DeepMind auf mehrere Ebenen. Die semantische Sicherheit soll über die Gemini Live API abgedeckt werden, auf dem Roboter kommen klassische Sicherheitsregler hinzu. Entwicklern empfahl das Labor Tests mit Sicherheits-Benchmarks und Red-Teaming vor jedem Einsatz. Parameterzahl, Hardwareanforderungen, Latenzwerte und kommerzielle Konditionen blieben offen.