DeepMind liefert Gemini Robotics 2.5 an Roboterpartner und AlphaGenome 2 für DNA-Arbeit
Bei Mercedes-Benz packten Roboter mit dem Robotics-Modell in Machbarkeitstests Autoteile mit 96% Erfolgsquote

Das Wichtigste
- Google DeepMind veröffentlichte Gemini Robotics 2.5 am 11. November über Partner wie Agile Robots, Apptronik und Boston Dynamics.
- Roboter mit dem Modell packten bei Mercedes-Benz Autoteile in Machbarkeitstests mit 96% Erfolgsquote.
- DeepMind meldet Aufgaben-Erfolgsquoten von 30% bis 100% und eine um 20% bis 30% schnellere Erledigung als bei der bisherigen Baseline.
- AlphaGenome 2 ergänzt Einzelzell-Details und Vorhersage der DNA-Methylierung und ist nicht für klinische oder diagnostische Nutzung zugelassen.
- Jeff Cardenas von Apptronik sagte, Apollo 2 habe sich innerhalb weniger Wochen nach dem Post-Training deutlich verbessert.
Robotics-Modell geht an Partner
Google DeepMind veröffentlichte Gemini Robotics 2.5 am 11. November, ein Vision-Language-Action-Modell, das das Labor als sein bisher leistungsfähigstes bezeichnet, um Robotern ein „KI-Gehirn“ zu geben. Das Modell wird über die Robotikpartner des Unternehmens verteilt, darunter Agile Robots, Apptronik und Boston Dynamics.
DeepMind zufolge zielt das Update auf Geschicklichkeit, Zuverlässigkeit und Sicherheit, die drei Bereiche, die entscheiden, ob Roboter kontrollierte Labore für unstrukturierte Umgebungen verlassen können, in denen sie in der Nähe von Menschen arbeiten. Das Labor testete das Modell an mehr als 200 Aufgaben und will diese Tests weiter ausweiten.
In Machbarkeitstests bei Mercedes-Benz packten Roboter mit dem Modell Autoteile mit einer Erfolgsquote von 96%. Über alle Bewertungen hinweg meldet DeepMind Erfolgsquoten zwischen 30% und 100% je nach Aufgabe und eine um 20% bis 30% schnellere Erledigung als bei der Baseline der vorherigen Version.
Apollo 2 und die Hardware dahinter
Das Modell arbeitet nativ mit mehreren Robotertypen, darunter der humanoide Apollo 2 von Apptronik und die Plattform Franka Duo mit zweifingrigen Parallelgreifern. Apptronik-Mitgründer und CEO Jeff Cardenas sagte, die Kombination habe sich schnell verbessert: „Wir sahen, wie sich die Modelle in nur wenigen Wochen Post-Training dramatisch verbesserten und mit sehr geringem Leistungsabfall in die Mercedes-Benz-Produktion übertragen ließen.“
DeepMind führt einen Teil des Fortschritts auf Gemini 4 Argon zurück, sein führendes großes Sprachmodell, das Ende September für unternehmerisches Reasoning eingeführt wurde. Das Labor sagte, dieses Modell habe seinem Robotikteam geholfen, schneller in die physische KI vorzustoßen.
Sicherheits-Benchmark und Jailbreak-Tests
Zur Sicherheit erklärte DeepMind, es habe die physische Steuerbarkeit verbessert und einen Benchmark hinzugefügt, um das Modell gegen Jailbreaks zu testen, Versuche, ein System außerhalb seiner vorgesehenen Grenzen handeln zu lassen. Die Ergebnisse des Benchmarks veröffentlichte das Unternehmen nicht; es erklärte nur, das Modell sei damit bewertet worden.
AlphaGenome 2 liest einzelne Zellen
Ebenfalls am 11. November kündigte DeepMind AlphaGenome 2 an, ein Modell, das vorhersagt, wie DNA-Sequenzen und ihre Variationen verschiedene menschliche Zelltypen beeinflussen. Die erste Version sagte bereits Genexpression, Histonmodifikation und Chromatin-Zugänglichkeit voraus; die neue ergänzt DNA-Methylierung, Teil der Epigenetik, des Feldes, das erklärt, wie Umwelt und Erfahrung die Genaktivität beeinflussen.
Der Fortschritt liegt in der Auflösung. Jede Zelle trägt dieselbe DNA, doch eine Herzmuskelzelle und eine Immunzelle nutzen sie, um unterschiedliche Proteine zu bilden. AlphaGenome 2 ergänzt Details zu bestimmten Zelltypen und -zuständen, die laut DeepMind krankheitsbezogene Effekte sichtbar machen können, die gröbere Modelle auf Gewebeebene übersehen.
Sarah Teichmann, Professorin für Stammzellmedizin an der University of Cambridge und Mitgründerin des Human Cell Atlas, sagte, die Stärke des Modells sei, „wie es sich direkt an neue Einzelzell-Daten anpasst, ohne neu trainiert zu werden, und vorhersagt, wie DNA-Varianten in neu profilierten Zellzuständen wirken“, auch bei sehr kleinen Proben. DeepMind baute auf Daten des Human Cell Atlas auf, eines Konsortiums, das die Genexpression über Millionen von Zellen kartiert hat.
DeepMind beschreibt die Ergebnisse als Leitfaden für die Wirkstoffforschung, der Forschern hilft, Ziele auszuwählen und Experimente zu ordnen. Das Unternehmen betont, das Modell sei nicht für klinische oder diagnostische Nutzung zugelassen und ersetze keine Laborvalidierung.
Quellen
1 Bericht- SiliconANGLE AIGoogle DeepMind releases new advanced robotics AI model and next-generation gene prediction model
Dieser Artikel wurde von Vector, einem KI-Reporter von BattleTown News, aus den oben genannten Berichten entworfen.
Häufig gestellte Fragen
Wie gut schnitt Gemini Robotics 2.5 in den Mercedes-Benz-Tests ab?
Google DeepMind meldete eine Erfolgsquote von 96% beim Packen von Autoteilen in Machbarkeitstests bei Mercedes-Benz. Das Unternehmen sagte, das Modell erledige Aufgaben 20% bis 30% schneller als die Baseline der vorherigen Version, mit Erfolgsquoten von 30% bis 100% je nach Aufgabe.
Kann AlphaGenome 2 für Diagnosen genutzt werden?
Nein. DeepMind erklärte, AlphaGenome 2 solle die Forschung leiten und nicht die experimentelle Validierung ersetzen; es sei nicht für klinische oder diagnostische Nutzung zugelassen.
Dieser Beitrag dient nur der Information. Er ist keine Finanz-, Anlage- oder Rechtsberatung. Haftungsausschluss
BattleTown: Panzerkämpfe im Browser
Neue Minispiele, „Sturm“ und „Durchbruch“, sind schon in BattleTown




Kommentare: 0 Kommentare