Google DeepMind zegt dat het nieuwe robot-AI-model 30% tot 100% succesvoller is dan zijn voorganger en een strik legde, maar de eigen fabriekspilot laat nog een faalkloof van 4% open.

Google DeepMind heeft dinsdag Gemini Robotics 2.5 gepresenteerd, naar eigen zeggen het meest geavanceerde vision-language-action-model tot nu toe. Het bedrijf zegt het systeem te hebben getest op meer dan 200 verschillende taken, waaronder eten opscheppen met een tang, vloeistof pipetteren en een strik om een cadeaudoos leggen, en meldt een 30% tot 100% hoger slagingspercentage dan eerdere referentiemodellen, afhankelijk van de taak, met taken die 20% tot 30% sneller klaar zijn. Het model werkt met meerdere robottypen, waaronder de humanoïde Apollo 2 van Apptronik en het Franka Duo-platform. Het is niet algemeen beschikbaar en wordt uitgerold bij robotica-partners, die Ars Technica noemt als Agile Robots, Apptronik en Boston Dynamics.

Om het model buiten het lab te testen, werkte DeepMind samen met Apptronik en Mercedes-Benz en zette het Apollo 2-humanoïden in op actieve autoproductielijnen in Kecskemét in Hongarije en Sindelfingen in Duitsland. In wat DeepMind een proof-of-concept noemt, deden de robots aan kitting: metalen beugels uit bulkbakken sorteren in containers in de volgorde die voor elk voertuig nodig is, met een slagingspercentage van 96%. Ars Technica merkt op dat dit voor repetitief werk bij een fabrikant waarschijnlijk nog tekortschiet, en citeert DeepMind-directeur Kanishka Rao, die zegt dat het dichten van de resterende 4% een steile weg wordt. Het model draait bovendien nog op cloudservers, waardoor winst in nauwkeurigheid en snelheid gepaard gaat met enige vertraging.

DeepMind meldde ook veiligheidsresultaten en een nieuwe test. Volgens het bedrijf laat begeleiding via redeneren tijdens inferentie de robot gevaren ontwijken, waardoor veilige taakvoltooiing met 33% verbeterde rond obstakels en met 43% in de buurt van mensen. Het bedrijf publiceert ASIMOV-Jailbreak, een open-sourcebenchmark met prompts die onveilige verzoeken vermommen, in de hoop de sector een gedeelde manier te geven om fysieke AI te testen. DeepMind voegt toe dat zijn model Gemini 4 Argon de ontwikkeling versnelde door gesimuleerde oefenruns en digitale tweelingen te maken uit echte camerabeelden. Alle prestatiecijfers komen uit DeepMinds eigen evaluaties; onafhankelijke tests zijn niet gemeld.