Google DeepMind, ein Unternehmen für künstliche Intelligenz, hat eine Version seines fortschrittlichsten großen Sprachmodells (LLM) namens Gemini in Roboter integriert. Dieses Modell ermöglicht es Maschinen, verschiedene Aufgaben auszuführen – wie beispielsweise einen kleinen Basketball durch einen Desktop-Reifen zu „slam dunking“ –, ohne jemals einen anderen Roboter gesehen zu haben, der diese Aktion ausführt, so das Unternehmen. Das Unternehmen ist Teil einer breiteren Bewegung, die darauf abzielt, die Fortschritte in der KI, die Chatbots antreiben, zu nutzen, um Robotern für allgemeine Zwecke zu entwickeln. Dieser Ansatz wirft jedoch Sicherheitsbedenken auf, da solche Modelle ungenaue und schädliche Ergebnisse erzeugen können. Das Ziel ist es, Maschinen zu entwerfen, die einfach zu bedienen sind und in der Lage sind, eine Vielzahl physischer Aufgaben zu erfüllen, ohne menschliche Aufsicht oder Programmierung zu benötigen. Durch die Anbindung an Geminis Robotermodelle können Entwickler ihre Roboter verbessern, sodass diese „natürliche Sprache verstehen und die physische Welt viel detaillierter begreifen“ können, erklärt Carolina Parada, die das Google DeepMind-Robotikteam in Boulder, Colorado, leitet. Das als Gemini Robotics bezeichnete Modell, das am 12.

März durch einen Blog-Beitrag und ein technisches Papier vorgestellt wurde, wird als „ein kleiner, aber greifbarer Schritt“ zur Verwirklichung dieser Vision beschrieben, so Alexander Khazatsky, ein KI-Forscher und Mitbegründer von CollectedAI in Berkeley, Kalifornien, der sich auf die Erstellung von Datensätzen für KI-gesteuerte Roboter konzentriert. **Räumliches Bewusstsein** In London begann ein Team bei Google DeepMind mit Gemini 2. 0, dem fortschrittlichsten Modell für visuelle und sprachliche Aufgaben des Unternehmens, das durch die Analyse riesiger Datenmengen zur Mustererkennung trainiert wurde. Sie entwickelten eine spezialisierte Version des Modells, die auf Denkaufgaben abzielt, die ein 3D-physikalisches und räumliches Verständnis erfordern – wie das Vorhersagen der Flugbahn von Objekten oder das Erkennen desselben Teils eines Objekts in Bildern, die aus unterschiedlichen Winkeln aufgenommen wurden. Anschließend trainierten sie das Modell weiter mit Daten aus Tausenden von Stunden echten, fernbedienten Roboterdemonstrationen. Dies ermöglichte es dem robotischen „Gehirn“, tatsächliche Aktionen auszuführen, ähnlich wie LLMs nach gelernten Assoziationen die nächsten Worte generieren. Das Team bewertete Gemini Robotics an humanoiden Robotern und Roboterarmen und überprüfte sowohl trainierte Aufgaben als auch neuartige Aktivitäten. Laut ihren Erkenntnissen übertrafen Roboter, die das Modell nutzen, konstant führende Konkurrenten in Tests, die sowohl vertraute Aufgaben mit veränderten Details als auch ganz neue Herausforderungen umfassten. **Origami Falten**