Google DeepMind bringt Gemini Robotics 2.5 auf den Markt, was die Missionserfolgsquote im Vergleich zu früheren Benchmarks verdoppelt. Der mit dem Modell ausgestattete humanoide Roboter Apollo 2 erzielte auch bei Teilesortiertests an Mercedes-Benz-Produktionslinien eine Erfolgsquote von 96 %. (Vorherige Zusammenfassung: Google DeepMind hat Gemini Robotics 2 veröffentlicht! Ermöglicht Robotern „Ganzkörperintelligenz“ und bewegt sich in Richtung physischer AGI) (Hintergrundergänzung: Google hat Gemini 4 Argon veröffentlicht! Eine großartige Weiterentwicklung des räumlichen Denkens, die den humanoiden Roboter Apollo antreibt, API-Preise veröffentlicht) Google DeepMind kündigte am 10. November die Einführung von Gemini Robotics 2.5 an Anweisungen, die es erhält, in den tatsächlichen Betrieb umzuwandeln. Dieses Update konzentriert sich auf die Erweiterung des Fähigkeitsbereichs und die Verbesserung der Feinbewegung, der Zuverlässigkeit und Sicherheit auf dem Spielfeld. Der offizielle Beitrag auf X listet Verwendungszwecke wie das Falten von Kleidung, das Ausliefern von Kuchen und das Sortieren von Fabrikteilen auf. Von alltäglichen Hausarbeiten bis hin zu Automobilproduktionslinien möchte Google DeepMind fördern, ob Roboter schneller lernen und Dinge stabiler erledigen können, wenn sie mit verschiedenen Objekten konfrontiert werden. Bei Tests an 200 Aufgaben wurde die höchste relative Erfolgsquote verdoppelt. Google DeepMind hat das neue Modell anhand von 200 verschiedenen Aufgaben bewertet, darunter das Halten von Lebensmitteln mit einer Zange, das Binden einer Schleife an einer Geschenkbox und das Übertragen von Flüssigkeiten mit einer Pipette. Diese Aktionen umfassen den Einsatz von Werkzeugen, die Handhabung weicher Gegenstände und den Umgang mit zerbrechlichen Gegenständen, und bei dem Test geht es nicht nur um das Ergreifen von Gegenständen. Die vom Unternehmen bekannt gegebenen Ergebnisse zeigen, dass je nach Art der Aufgabe die Erfolgsquote von Gemini Robotics 2.5 im Vergleich zum vorherigen Testbenchmark um 30 bis 100 % bis zum Doppelten gesteigert wird und auch die Geschwindigkeit bei der Erledigung von Aufgaben um 20 bis 30 % erhöht wird. Es stehen Modelle für unterschiedliche Roboterhardware zur Verfügung, darunter der humanoide Roboter Apptronik Apollo 2 mit Fünf-Finger-Manipulator und der Franka Duo mit Zwei-Finger-Parallelgreifer. Mit anderen Worten: Diese Verbesserung betrifft nicht nur die Anzeige eines einzelnen Roboters. Apollo 2 ging in die Produktionslinie von Mercedes-Benz und die Erfolgsquote bei den Teilesortiertests erreichte 96 %. Der Test ist direkter als der Laborbetrieb und stammt aus der tatsächlich laufenden Automobilproduktionslinie von Mercedes-Benz. Google DeepMind hat mit Apptronik und Mercedes-Benz zusammengearbeitet, um einen Proof-of-Concept in den Werken Kecskemét (Ungarn) und Sindelfingen (Deutschland) durchzuführen, wo Apollo 2 die Vorbereitung von Automobilteilen übernimmt. Der Roboter muss die Metallhalterungen aus dem Schüttgutkasten entnehmen, sie in der für die jeweilige Fahrzeugmontage erforderlichen Reihenfolge in die dafür vorgesehenen Behälter legen und dabei eventuelle Mängel beheben. Der Versuch zum Sortieren und Palettieren von Teilen erzielte eine Erfolgsquote von 96 %. Darunter ist das verkörperte Argumentationsmodell Gemini Robotics ER für die Verfolgung des Arbeitsablaufs verantwortlich, und das Aktionsmodell Gemini Robotics 2.5 steuert die Hände und Arme. Diese Arbeitsteilung verknüpft mehrstufige Beurteilungen mit tatsächlichen Vorgängen und ermöglicht es Robotern, wiederholte Materialvorbereitungen durchzuführen, während Technikern Zeit für komplexere Montagearbeiten bleibt. Argon nutzt Simulationen, um das Lernen zu beschleunigen, und die Sicherheitshinweise verbessern sich mit den Bewegungen. Ein weiterer Schlüssel zu diesem Upgrade ist die Beteiligung von Gemini 4 Argon an der Roboterforschung. Es kann digitale Avatare aus von echten Kameras aufgenommenen Szenen erstellen, Tausende verschiedener Simulationsübungen generieren und diese mit realen Betriebsdemonstrationen kombinieren, um das Modell bei der Anpassung an neue Szenen und Objekte zu unterstützen. Argon kann auch Videos von fehlgeschlagenen Vorgängen analysieren, um Forschern dabei zu helfen, Fehlergründe und Verbesserungshypothesen zu entwickeln und diese dann in simulierten Umgebungen und echten Robotern zu testen. Daher muss sich die Schulung nicht ausschließlich auf physische Maschinen verlassen, um jedes Mal Versuche und Irrtümer zu wiederholen, sondern behält dennoch echte Demonstrationen und Feldverifizierungen bei. Was die Sicherheit anbelangt, fügt Gemini Robotics 2.5 eine Argumentationshilfe bei der Durchführung von Aktionen zur Vermeidung physischer Gefahren hinzu. Das Team startete außerdem den Open-Source-Testbenchmark ASIMOV-Jailbreak, der als allgemeine Aufgaben getarnte unsichere Anforderungen verwendet, um die Jailbreak-Resistenz roboterbezogener Agenten zu testen. Gemini Robotics 2.5 wird für Robotikpartner verfügbar. Von wiederholtem Üben in einer simulierten Umgebung bis hin zur sequentiellen Kommissionierung und Platzierung von Teilen in der Produktionslinie verbindet dieses Update Lerngeschwindigkeit mit Vor-Ort-Vorgängen und führt zu praktischen Anwendungen, die die Belastung durch wiederholte Materialvorbereitung reduzieren und die Betriebsstabilität verbessern. Verwandte Geschichten Google präsentiert 5 Gemini 4 Argon-Implementierungen! Erstellen Sie mit nur einem Tipp ein 3D-Spiel und übertreffen Sie GPT-6 Astra. Din Tai Fung hat in den USA mit der Einführung von Robotern begonnen. Das profitabelste chinesische Restaurant der Vereinigten Staaten begrüßt müde Mitarbeiter im Hinterhof. Vision der Roboterindustrie: die Integration und Weiterentwicklung von Automatisierung, künstlicher Intelligenz und Web3. Der weltweit erste Haushaltsroboter „Neo“ ist im Angebot. Es kann den Boden fegen und Kaffee kochen, aber braucht es trotzdem menschliche Hilfe aus der Ferne? „Google veröffentlicht Gemini Robotics 2.5! Fahren des humanoiden Roboters Apollo 2 in die Mercedes-Benz-Produktionslinie „Die Erfolgsquote beim Sortieren liegt bei 96 %.“ Dieser Artikel wurde zuerst in BlockTempo „Dongqu Trend – das einflussreichste Blockchain-Nachrichtenmedium“ veröffentlicht.
Google veröffentlicht Gemini Robotics 2.5! Fahren des humanoiden Roboters Apollo 2 in die Mercedes-Benz-Produktionslinie „Sortiererfolgsquote 96 %“
Google DeepMind bringt Gemini Robotics 2.5 auf den Markt, was die Missionserfolgsquote im Vergleich zu früheren Benchmarks verdoppelt. […] Google kündigt Gemini Robotics 2.5 an! Fahren des humanoiden Roboters Apollo 2 in die Mercedes-Benz-Produktionslinie „Die Erfolgsquote beim Sortieren liegt bei 96 %.“ Dieser Artikel wurde zuerst in BlockTempo „Dongqu Trend – das einflussreichste Blockchain-Nachrichtenmedium“ veröffentlicht.

Dieser Artikel kann eine automatische Übersetzung enthalten. Die Originalquelle ist zur Überprüfung verlinkt.



