Humanoide Roboter konnten bisher vor allem eines gut: beeindruckend aussehen. Sobald es um feinmotorische Alltagsaufgaben ging, scheiterten sie regelmäßig. Google DeepMind hat am 30. Juli 2026 mit Gemini Robotics 2 eine neue Modellfamilie vorgestellt, die genau das ändern soll: Erstmals steuert die KI den kompletten Roboterkörper — vom Torso bis zu den Beinen — und koordiniert auf Wunsch sogar mehrere Roboter im Team.
Drei Modelle: Denken, Handeln, Autonomie
Die neue Generation besteht aus drei Modellen mit klar verteilten Rollen:
- Gemini Robotics 2 ist ein Vision-Language-Action-Modell (VLA), das Bewegungen des gesamten Körpers plant und dabei auch fünffingrige Roboterhände mit 22 Freiheitsgraden ansteuert.
- Gemini Robotics ER 2 übernimmt das „Embodied Reasoning“: Es plant mehrstufige Aufgaben über mehrere Minuten und hunderte Einzelschritte, kann externe Dienste wie die Google-Suche einbinden und schickt seine Pläne zur Ausführung an die VLA-Modelle.
- Gemini Robotics On-Device 2 läuft direkt auf dem Bordrechner des Roboters — ganz ohne Cloud-Verbindung. Mit weniger als 200 Trainingsbeispielen lässt es sich laut DeepMind in wenigen Stunden an einen neuen Roboterkörper anpassen.
Glühbirne herausdrehen mit 92 Prozent Erfolgsquote
DeepMind veröffentlicht diesmal ungewöhnlich konkrete Zahlen. Ein Apollo-Humanoid mit SharpaWave-Händen schaffte das Herausdrehen einer Glühbirne — eine Aufgabe, die präzise Koordination von Fingern, Armen und Rumpf verlangt — mit einer Erfolgsquote von 92 Prozent. Beim Aufheben von Objekten erreichte der Apollo 2 mit Inspire-Händen 68,4 Prozent vom Tisch, 76,3 Prozent aus dem Regal und 45,7 Prozent vom Boden. Ein Franka-Duo-Aufbau mit klassischen Greifern kam beim präzisen Einsetzen von Bauteilen auf 89,6 Prozent, beim Zusammenstellen von Werkzeugsets auf 78,9 Prozent.
Der entscheidende Fortschritt gegenüber der Vorgängergeneration von 2025: Damals kontrollierte das Modell nur den Oberkörper. Jetzt plant die KI Bewegungen inklusive Torso und Beinen, gleicht die Schwerkraft aus und soll so Stürze vermeiden — der Roboter kann sich gleichzeitig drehen, lehnen und greifen.
Roboter-Teams und eingebaute Fehlerkorrektur
Gemini Robotics ER 2 kann mehrere Roboter gleichzeitig an einer Aufgabe arbeiten lassen. Das Modell verfolgt den Fortschritt über Kamerabilder, erkennt fehlgeschlagene Aktionen und setzt die Arbeit am letzten erfolgreichen Schritt fort, statt von vorn zu beginnen. Für die Sicherheit hat DeepMind den Benchmark ASIMOV-Agentic entwickelt, der unter anderem Kollisionsvermeidung und Risikominimierung bewertet — KI-Agenten bekommen damit nicht nur einen Körper, sondern auch messbare Leitplanken.
Verfügbarkeit: AI Studio und ausgewählte Partner
Gemini Robotics ER 2 ist ab sofort über die Gemini API, Google Cloud und Google AI Studio zugänglich, außerdem als private Preview auf der Gemini Enterprise Agent Platform. Die beiden VLA-Modelle gehen zunächst an ausgewählte „Trusted Tester“ und Early-Access-Partner. Zu den Partnerfirmen zählen Apptronik, Boston Dynamics und Agile Robots.
Was bedeutet das?
Nach Chatbots und Coding-Agenten öffnet sich die nächste Front im KI-Wettlauf: physische KI. Google verschafft sich mit der Kombination aus multimodaler KI, eigener Modellfamilie und namhaften Robotik-Partnern eine starke Ausgangsposition — während Konkurrenten wie OpenAI und Anthropic bislang keine vergleichbare Robotik-Plattform anbieten. Dass ausgerechnet das Reasoning-Modell ER 2 breit über die Gemini-Infrastruktur verfügbar wird, senkt die Einstiegshürde für Entwickler erheblich. Bis Roboter zuverlässig Alltagsaufgaben übernehmen, bleibt dennoch Weg: Eine Erfolgsquote von 45,7 Prozent beim Aufheben vom Boden zeigt, wie groß die Lücke zwischen Demo und Praxis noch ist. Klar ist aber: Die Ganzkörper-Steuerung per Sprachbefehl war vor einem Jahr noch Forschungsvision — jetzt ist sie Produkt.