Das neue Google Gemini-Modell bringt On-Device-KI in die Robotik

Google DeepMind hat am Dienstag ein neues Sprachmodell namens Gemini Robotics On-Device vorgestellt. Das Unternehmen gab bekannt, dass das Modell Aufgaben lokal auf Robotern ohne Internetverbindung ausführen kann.

Das neue Modell, das auf dem im März veröffentlichten KI-Modell Gemini Robotics aufbaut, kann die Bewegungen eines Roboters steuern. Google bestätigte außerdem, dass das Bild-Sprache-Aktions-Modell (VLA) klein und effizient genug ist, um direkt auf einem Roboter ausgeführt zu werden. Laut Google können Entwickler das Modell mithilfe von natürlichsprachlichen Anweisungen steuern und an verschiedene Anforderungen anpassen. 

Robotics On-Device übertrifft die anderen Modelle von Google

Mit Gemini Robotics On-Device bringen wir leistungsstarke KI direkt auf Roboter. 🤖

Es ist unser erstes Modell zur Verarbeitung von Bild, Sprache und Aktionen, das Roboter schneller, hocheffizienter und anpassungsfähiger an neue Aufgaben und Umgebungen macht – ganz ohne ständige Internetverbindung. 🧵 pic.twitter.com/1Y21D3cF5t

— Google DeepMind (@GoogleDeepMind) 24. Juni 2025

Carolina Parada, Leiterin der Robotikabteilung bei Google DeepMind, betonte, dass das ursprüngliche Gemini-Robotik-Modell einen Hybridansatz verfolgt, der den Betrieb sowohl lokal als auch in der Cloud ermöglicht. Sie erklärte, dass Nutzer mit dem neuen, rein lokal nutzbaren Modell fast genauso gut auf Offline-Funktionen zugreifen können wie mit dem Flaggschiffmodell.

Das Technologieunternehmen behauptet, das Modell erreiche in Benchmarks ein ähnliches Leistungsniveau wie das cloudbasierte Modell von Gemini Robotics. Google gab außerdem an, es übertreffe andere On-Device-Modelle in allgemeinen Benchmarks, nannte diese Modelle jedoch nicht. 

„Das Hybridmodell von Gemini Robotics ist zwar noch leistungsstärker, aber wir sind tatsächlich ziemlich überrascht, wietrondieses On-Device-Modell ist. Ich würde es als Einsteigermodell oder als Modell für Anwendungen mit schlechter Konnektivität in Betracht ziehen.“

-Carolina Parada, Leiterin der Robotikabteilung bei Google DeepMind.

Das Unternehmen demonstrierte in einer Demo, wie Roboter das lokale Modell ausführten, Reißverschlüsse öffneten und Kleidung falteten. Google räumte ein, dass das Modell zwar für ALOHA-Roboter trainiert wurde, später aber für den Einsatz auf dem zweiarmigen Franka FR3-Roboter und dem humanoiden Apollo-Roboter vontronangepasst wurde.

Das Technologieunternehmen gibt an, dass der zweiarmige Roboter Franka FR3 erfolgreich Szenarien und Objekte bewältigt hat, die ihm zuvor unbekannt waren, wie beispielsweise die Montage an einem Industrieband. Das Unternehmen erwähnte , dass Entwickler den Robotern 50 bis 100 Aufgaben demonstrieren können, um sie mithilfe der Modelle im Physiksimulator MuJoCo für neue Aufgaben zu trainieren. 

Google DeepMind kündigte außerdem die Veröffentlichung eines Software Development Kits namens Gemini Robotics SDK an. Das Unternehmen gab bekannt , dass sein Robotics SDK alle notwendigen Werkzeuge für den gesamten Lebenszyklus der Gemini-Robotik-Modelle bereitstellt. Dazu gehören der Zugriff auf Checkpoints, das Bereitstellen eines Modells, die Evaluierung des Modells auf dem Roboter und in der Simulation, das Hochladen von Daten und die Feinabstimmung. Google teilte mit, dass das Gemini-Robotik-Modell für Geräte und das SDK einer Gruppe vertrauenswürdiger Tester zur Verfügung stehen werden, während Google weiterhin an der Minimierung von Sicherheitsrisiken arbeitet.

Technologieunternehmen steigen ins Robotik-Rennen ein

Auch andere Unternehmen, die KI-Modelle einsetzen, zeigen Interesse an Robotik. Nvidia entwickelt eine Plattform zur Erstellung von Basismodellen für humanoide Roboter. Der CEO des Unternehmens, Jensen Huang, betonte, dass die Entwicklung von Basismodellen für humanoide Roboter zu den spannendsten Herausforderungen im Bereich der KI zählt.

Huang argumentierte, dass der humanoide Faktor derzeit eines der umstrittensten Themen in der Robotik sei. Er räumte ein, dass das Thema zwar enormes Risikokapital anziehe, gleichzeitig aber auch massive Skepsis hervorrufe. 

Nvidia engagiert sich auch stark für Innovationen im Bereich der Robotik, unter anderem durch Initiativen wie Isaac und Jetson. Im März letzten Jahres, auf der jährlichen Entwicklerkonferenz GTC, stieg mit dem Projekt GROOT in den Wettlauf um humanoide Roboter ein.

Nvidia bezeichnete die neue Plattform als universelles Basismodell für humanoide Roboter. Das Unternehmen gab an, dass GROOT auch neue Hardware von Nvidia unterstützen wird. 

Hugging Face entwickelt nicht nur offene Modelle und Datensätze für die Robotik, sondern arbeitet auch selbst an Robotern. Das Unternehmen stellte Anfang des Monats ein OpenAI-Modell für die Robotik namens SmolVLA vor. 

Das Unternehmen gibt an, dass das Modell mit gemeinschaftlich bereitgestellten Datensätzen trainiert wurde und deutlich größere Robotikmodelle sowohl in virtuellen als auch in realen Umgebungen übertrifft. Hugging Face gab außerdem bekannt, dass SmolVLA den Zugang zu Bild-Sprache-Aktion (VLA)-Modellen demokratisieren und die Forschung an generalistischen Roboteragenten beschleunigen will.

Im vergangenen Jahr brachte das Unternehmen LeRobot auf den Markt, eine Sammlung von Modellen, Datensätzen und Werkzeugen mit Schwerpunkt auf Robotik. Vor Kurzem übernahm Hugging Face das französische Robotik-Startup Pollen Robotics und präsentierte mehrere kostengünstige Robotersysteme, darunter auch humanoide Roboter, zum Kauf.