AI News

Google DeepMind releases Gemini Robotics 2.5; Mercedes-Benz pilot achieves 96% success rate in sorting metal parts

heise onlineUpdated Nov 11 21:30

AI summary

Google DeepMind has released the vision-language-action model Gemini Robotics 2.5, saying that across more than 200 tasks its success rate improved by 30% to 100% compared with 2.0, and it completes tasks 20% to 30% faster. In a pilot with Apptronik and Mercedes-Benz, the Apollo-2 humanoid robot completed the sorting and sequencing of automotive metal brackets with a 96% success rate, but robotics lead Kanishka Rao acknowledged that there is still a long way to go to reach near-human reliability. DeepMind also released ASIMOV-Jailbreak, an open-source safety benchmark of about 1,500 prompts, now available on Hugging Face.

Why read this

AI score 74

The original text gives the improvement margins of the new model across more than 200 tasks and the 96% success rate of the Mercedes-Benz pilot, while also noting that there is still a gap between 96% and near-human reliability.

Topics

Tags

Body

Google DeepMind hat Gemini Robotics 2.5 vorgestellt, sein bislang leistungsfähigstes Vision-Language-Action-Modell (VLA). Gleichzeitig veröffentlicht DeepMind einen offenen Prompt-Datensatz ASIMOV-Jailbreak, mit dessen Hilfe man prüfen können soll, ob sich Robotersysteme durch manipulierte Anweisungen zu unsicheren Handlungen verleiten lassen.

Weiterlesen nach der Anzeige

Wie DeepMind in seinem Blogbeitrag zur Vorstellung erläutert, wurde Gemini Robotics 2.5 an über 200 unterschiedlichen Aufgaben getestet. Mit dabei waren das Servieren von Speisen mit einer Zange, das Binden einer Schleife an einer Geschenkbox (für Roboter sehr schwierig) und das Pipettieren von Flüssigkeit. Im Vergleich zu Gemini Robotics 2.0 soll Gemini Robotics 2.5 – laut eigenen Angaben – je nach Aufgabentyp eine um 30 bis 100 Prozent höhere Erfolgsrate erzielen und die Aufgaben 20 bis 30 Prozent schneller abschließen können. Trotzdem ist es noch nicht so schnell wie ein Mensch.

Pilotversuch bei Mercedes-Benz

Für einen Praxistest arbeitete DeepMind mit Apptronik und Mercedes-Benz zusammen. In deren Werk übernahmen humanoide Apollo-2-Roboter sogenanntes Automotive Kitting: Sie entnahmen metallische Fahrzeughalterungen aus Sammelbehältern, identifizierten sie und legten sie in der für das jeweilige Fahrzeug benötigten Reihenfolge in Sequenzierungsbehälter. Der Pilotversuch erreichte laut Google DeepMind eine Erfolgsrate von 96 Prozent. Allerdings gab DeepMind-Robotikdirektor Kanishka Rao zu, dass es ein „steiler Weg“ werden würde, um von 96 Prozent auf nahezu menschliche Zuverlässigkeit zu kommen.

Sicherheitsbenchmark ASIMOV-Jailbreak

Gleichzeitig veröffentlicht Google DeepMind ASIMOV-Jailbreak, ein offener Benchmark beziehungsweise eine offene Datenbank, die rund 1500 Prompts umfasst. Diese tarnen unsichere Anforderungen als harmlose Aufgaben und decken verschiedene Szenarien ab. Eine Anweisung lautete zum Beispiel, dass der Roboter einen Rucksack schließen soll, dessen Zipper zu kleinteilig für ihn ist. Er würde ihn mutmaßlich zerstören und sollte die Aufgabe daher verweigern. Der Datensatz steht auf Hugging Face zur Verfügung.

Simulation beschleunigt Training

Für die Entwicklung nutzte DeepMind Gemini 4 Argon als Simulations- und Analysewerkzeug. Aus realen Kameraszenen erzeugt das System Tausende variierte Übungsdurchläufe und erstellt so digitale Zwillinge von Szenen und Aufgaben als Trainingsmaterial für Gemini Robotics 2.5 – denn an realem Trainingsmaterial für Roboter mangelt es noch.

Google arbeitet auch an anderer Stelle an KI-Simulatoren für interaktive 3D-Umgebungen. Einen Überblick über den aktuellen Stand humanoider Roboter und deren KI-Fähigkeiten geben wir auf heise+.

(rie)

Source

heise online