Einordnung des Modells
Gemini Robotics-ER ist ein visuelles Sprachmodell, das Google auf Basis von Gemini 2.0 entwickelt hat. ER steht für „verkörpertes Schlussfolgern“. Es konzentriert sich auf das für Roboter erforderliche räumliche Verständnis und kann mit vorhandenen Low-Level-Controllern von Robotern zusammenarbeiten. Es unterscheidet sich von Gemini Robotics, das physische Aktionen ausgibt und zur direkten Steuerung von Robotern dient. (deepmind.google)
Fähigkeiten und Anwendungen
- Unterstützt Aufgaben des räumlichen Verständnisses wie Objekterkennung, das Zeigen auf Teile von Objekten, die Zuordnung zwischen mehreren Ansichten und die dreidimensionale Objekterkennung.
- Kann für Wahrnehmung, Zustandsschätzung, räumliches Verständnis, Planung und Codegenerierung eingesetzt werden; beispielsweise, um anhand eines Bildes einer Tasse abzuleiten, wie deren Henkel gegriffen werden kann und auf welchem Weg sich der Roboter ihm nähern sollte.
- Kann durch Kontextlernen anhand weniger menschlicher Demonstrationen lernen. Google zufolge erreichte das Modell bei seiner End-to-End-Evaluierung der Robotersteuerung das 2- bis 3-Fache der Erfolgsrate von Gemini 2.0; dieses Ergebnis sollte nicht als allgemeingültige Leistung für alle Aufgaben betrachtet werden. (deepmind.google)
Einschränkungen und Nutzungsbedingungen
- Bei der Veröffentlichung arbeitete Google mit einer kleinen Zahl vertrauenswürdiger Tester zusammen, darunter Agile Robots, Agility Robots, Boston Dynamics und Enchanted Tools; die konkreten aktuellen Zugangsbedingungen für das Modell der ersten Generation wurden nicht verifiziert. (deepmind.google)
- Vom Modell generierte Schlussfolgerungen, Code oder Handlungsvorschläge können fehlerhaft sein. Für physische Roboter sind weiterhin auf die jeweilige Hardware abgestimmte Low-Level-Sicherheitskontrollen erforderlich, darunter Kollisionsvermeidung, Begrenzung der Kontaktkräfte und Gewährleistung der dynamischen Stabilität. (ai.google.dev)
- Später wurden offiziell Versionen wie Gemini Robotics-ER 1.5 veröffentlicht; deren Funktionen, Schnittstellen und Preise können nicht unmittelbar als Eigenschaften des hier beschriebenen Modells der ersten Generation angesehen werden. (deepmind.google)
Preis
Stand 2026-11-19 wurden die offiziellen Abrechnungspreise für Eingaben oder Ausgaben, die Währung und die Abrechnungseinheit für Gemini Robotics-ER der ersten Generation nicht verifiziert. Die auf der offiziellen Preisseite genannten Preise für spätere Versionen sollten nicht auf das Modell der ersten Generation übertragen werden. Abgefragte Quelle: Offizielle Preise der Google Gemini API. (aistudio.google.com)
Veröffentlichungsdatum und Quellen
- Veröffentlichungsdatum: 2025-03-12.
- Offizielle Ankündigung: Gemini Robotics brings AI into the physical world. (deepmind.google)