Gemini Robotics 2.5 laat robots vaker slagen bij fijn handwerk
Google DeepMind heeft Gemini Robotics 2.5 gepresenteerd, een nieuwe versie van het model waarmee robots worden aangestuurd. Volgens de aankondiging van DeepMind is dit het sterkste vision-language-action-model (VLA) dat het lab tot nu toe heeft gemaakt. De grootste sprong zit in fijn handwerk, zoals een strik losmaken of gebak met een tang in een doos leggen.
Van nul naar negentig procent
DeepMind testte het model op meer dan 200 verschillende taken. In de grafieken bij de aankondiging staat het verschil met Gemini Robotics 2, dat in juli verscheen. Het deksel van een gereedschapskist sluiten lukte de vorige versie in geen enkele poging; Gemini Robotics 2.5 doet het in 93 procent van de gevallen goed. Gebak met een tang inpakken ging van 5 naar 100 procent en een vest op een hanger hangen van 0 naar 62 procent.
Niet alles gaat even soepel. Een broek opvouwen of een rijstkoker inpakken lukt nog maar in 40 procent van de pogingen. Wel zijn de taken volgens DeepMind 20 tot 30 procent sneller klaar dan voorheen.
Het model werkt op verschillende soorten robots. DeepMind noemt de humanoïde Apollo 2 van Apptronik, met een hand met vijf vingers, en het Franka Duo-platform, dat twee grijpers met twee vingers heeft. Voor de training leunt het lab op Gemini 4 Argon. Dat model maakt van een echt camerabeeld duizenden gesimuleerde oefenrondes en helpt bij het analyseren van mislukte pogingen op video.

Proef aan de lopende band bij Mercedes-Benz
Het meest concrete voorbeeld komt uit de auto-industrie. Samen met Apptronik en Mercedes-Benz liet DeepMind een Apollo 2 werken op de productielijnen in Kecskemét (Hongarije) en Sindelfingen (Duitsland). De robot haalde onderdelen uit grote bakken en legde ze op volgorde in trays, zodat elke auto de juiste set krijgt. Dat lukte in 96 procent van de gevallen. Gemini Robotics ER hield daarbij het werkproces in de gaten, terwijl Gemini Robotics 2.5 de armen en handen bestuurde. Apptronik-topman Jeff Cardenas zei tegen DeepMind dat de Apollo precies voor dit soort werk naast mensen is gebouwd.
Volgens SiliconANGLE rolt het model nu uit via robotpartners van DeepMind, onder wie Agile Robots, Apptronik en Boston Dynamics. Een openbare API of prijs noemt DeepMind niet.
Nieuwe test tegen misleiding
DeepMind brengt ook ASIMOV-Jailbreak uit, een open benchmark met honderden prompts die onveilige opdrachten verpakken als onschuldige verzoeken. Gemini 4 Argon weerstond 99,5 procent daarvan, tegen 82 procent voor Gemini Robotics ER 2. Met extra redeneerstappen tijdens het werk voltooide de robot volgens het lab 33 procent meer taken veilig rond obstakels en 43 procent meer in de buurt van mensen.
Wat betekent dit?
De sprong zit vooral in taken waar robots tot voor kort steeds op vastliepen: zachte stoffen, linten en kleine voorwerpen. De proef bij Mercedes-Benz laat zien dat het model ook buiten het lab werkt, al is het nog een proof-of-concept en geen vaste inzet. Ondertussen werken ook andere partijen aan dezelfde stap, zoals NVIDIA met GR00T 2. Wie wil weten hoe snel humanoïde robots in serieproductie gaan, kan beter naar dit soort fabrieksproeven kijken dan naar demo’s op beurzen.
