Google DeepMind heeft een nieuwe versie uitgebracht van het AI-model dat robots aanstuurt: Gemini Robotics 2.5. Volgens Google kunnen robots daarmee veel preciezer werken dan voorheen. Een humanoïde robot van Apptronik knoopte er zelfs een strik mee, iets waar robots traditioneel moeite mee hebben omdat lint steeds van vorm verandert.

Twee lagen: plannen en bewegen

De robotica van DeepMind bestaat uit meerdere lagen. Gemini Embodied Reasoning bekijkt via een live camerabeeld wat er moet gebeuren en maakt een plan. Gemini Robotics, een zogeheten vision-language-action-model, zet dat plan om in echte bewegingen van armen, handen en motoren. Dat tweede deel is nu bijgewerkt naar versie 2.5.

Volgens DeepMind is het model getest op meer dan 200 taken, zoals eten opscheppen met een tang en werken met een pipet zoals in een laboratorium. Het nieuwe model slaagt volgens de onderzoekers 30 tot 100 procent vaker dan de vorige versie en werkt 20 tot 30 procent sneller. Dat zijn wel cijfers uit testomgevingen van Google zelf.

De proef in de fabriek

Interessanter is wat er buiten het lab gebeurde. Samen met Apptronik en Mercedes-Benz zette Google Apollo 2-robots met Gemini Robotics 2.5 in in een paar Europese autofabrieken. Daar verzamelden ze onderdelen voor de assemblagelijn, het zogeheten kitting. Volgens Ars Technica lukte dat in 96 procent van de gevallen.

Dat klinkt hoog, maar voor een fabriek is het nog niet genoeg. Een mens doet zulk repetitief werk vrijwel altijd foutloos. DeepMind-directeur Kanishka Rao erkent dat het dichten van die laatste 4 procent een "steile weg" wordt. Eén misgegrepen onderdeel kan immers een hele productielijn ophouden.

Oefenen in een digitale kopie

In de eigen aankondiging schrijft DeepMind dat het taalmodel Gemini 4 Argon helpt bij de training. Argon maakt van een echte camerascène een digitale kopie en genereert daarin duizenden gevarieerde oefenrondes. Samen met echte demonstraties moet de robot zo sneller leren omgaan met nieuwe omgevingen en voorwerpen. Argon kan ook uit videobeelden afleiden waarom een taak mislukte en verbeteringen voorstellen.

Daarnaast bracht DeepMind een open veiligheidstest uit, ASIMOV-jailbreak, bedoeld om te controleren of robots zich laten verleiden tot gevaarlijk gedrag. Dat sluit aan bij een bredere zorg: nu taalmodellen robots aansturen, kunnen trucs om chatbots om de tuin te leiden ook fysieke gevolgen krijgen.

Waarom Europa meekijkt

De praktijkproef vond plaats in Europese fabrieken van een Duitse autobouwer. Wie zulke robots hier op de werkvloer wil zetten, krijgt te maken met de Europese AI-verordening, die strengere eisen stelt aan AI in machines en veiligheidscomponenten. Fabrikanten zullen dus moeten aantonen dat zulke systemen veilig en controleerbaar zijn. Een open veiligheidsbenchmark helpt daarbij, maar vervangt geen keuring. Eerder deze maand werd overigens Agility Robotics de eerste beursgenoteerde maker van humanoïde robots, een teken dat beleggers volop in deze markt geloven.