Gemini Robotics ER 2 ist das am 30. Juli 2026 eingeführte Modell für verkörpertes Denken von Google DeepMind, das als übergeordnetes „Gehirn“ für Roboter fungiert. Es verarbeitet Video-, Sprach- und Sensordaten, um mehrstufige Aufgaben zu planen, mehrere Roboter zu koordinieren und Handbewegungsbefehle an ein separates Aktionsmodell weiterzuleiten. Es ist als öffentliche Vorschau über die Gemini-API und Google AI Studio sowie als private Vorschau auf der Gemini Enterprise Agent Platform verfügbar. Es ersetzt Gemini Robotics-ER 1.6, das Google aus dem Verkehr gezogen hat.
In diesem Leitfaden erfahren Sie, was sich geändert hat, wie die Leistung ist, was es kostet und wie es im Vergleich zu den anderen Modellen der Gemini Robotics-Familie abschneidet.
In diesem Artikel geht es um:
Was Gemini Robotics ER 2 ist und wie es als „Gehirn“ des Roboters auf hoher Ebene funktioniert
Was ist neu im Vergleich zu ER 1.6?
Benchmarks, Geschwindigkeit und Sicherheit
Preise und Verfügbarkeit
Praxisnahe Demos und erste Schritte
Was ist Gemini Robotics ER 2?
Gemini Robotics ER 2 ist ein Vision-Language-Modell (VLM) und kein Vision-Language-Action-Modell (VLA) – das heißt, es gibt keine motorischen Befehle direkt aus. Stattdessen, laut Der offizielle Beitrag von Google DeepMind zur Markteinführung, Es fungiert als Koordinator: Es beobachtet eine Szene mittels kontinuierlicher Videoaufnahmen, leitet daraus ab, was als Nächstes geschehen muss, kommuniziert mit Menschen in natürlicher Sprache und delegiert die physische Ausführung an ein untergeordnetes VLA-Modell oder eine Robotik-API.
Es ist eines von drei Modellen, die Google DeepMind am 30. Juli 2026 gemeinsam veröffentlicht hat:
Gemini Robotics 2 – das „Vision-Language-Action“-Modell (VLA), das Motoren direkt steuert – ist nun in der Lage, humanoide Roboter am ganzen Körper zu steuern.
Gemini Robotics ER 2 – das in diesem Leitfaden behandelte Modell für verkörpertes Schlussfolgern – ist ab sofort in Google AI Studio verfügbar.
Gemini Robotics On-Device 2 – ein effizientes VLA-Modell, das für die lokale Ausführung auf Roboterhardware ohne Internetverbindung entwickelt wurde – ist derzeit auf Early-Access-Partner beschränkt.
Verfügbarkeit und Status des Gemini Robotics ER 2
ER 2 ist ein Vorschaumodell, daher können sich das Verhalten und die Preise ändern. Entwickler können es über die Gemini-API mit zwei Modell-IDs aufrufen: „gemini-robotics-er-2-preview“ für den Standardgebrauch und „gemini-robotics-er-2-streaming-preview“ für Echtzeit-Interaktionen mit geringer Latenz. Die Streaming-Version verfügt weder über eine Batch-Stufe noch über Caching.
Modell | Rolle | Zugang |
Gemini Robotics ER 2 | Logisches Denken und Planung (Vision-Sprach-Modell) | Öffentliche Vorschau in der Gemini-API und im Google AI Studio, zur eigenständigen Nutzung; private Vorschau auf der Gemini Enterprise Agent Platform |
Gemini Robotics 2 | Motorische Steuerung (Modell „Sehen-Sprache-Handlung“) | Nur für Early-Access-Partner |
Gemini Robotics On-Device 2 | Läuft lokal auf dem Roboter, kein Internet erforderlich | Nur für Early-Access-Partner |
In Auflistungen von Drittanbietern wird ein Kontextfenster mit etwa 131.000 Eingabetoken und bis zu etwa 65.000 Ausgabetoken angezeigt. Die aktuellen Zahlen finden Sie auf der Modellseite von Google.
Was ist neu in Gemini Robotics ER 2 im Vergleich zu ER 1.6?
Googles Blogbeitrag der Entwickler zur Vorstellung des Modells, In dem von den DeepMind-Ingenieuren Steven Hansen und Peng Xu verfassten Artikel wird ER 2 in drei spezifischen Bereichen als „bedeutende Weiterentwicklung“ gegenüber Gemini Robotics-ER 1.6 dargestellt:
Kontinuierliche Videoauswertung. ER 1.6 stützte sich in erster Linie auf statische Momentaufnahmen. ER 2 wertet kontinuierliche Videostreams aus und kann so den Fortschritt der eigenen Aufgabe verfolgen und Fehler – Verschüttungen, Ausrutscher, Fehlausrichtungen – bereits während der Ausführung erkennen und nicht erst am Ende.
Echtzeit-Streaming über die Live-API. ER 2 lässt sich in die Gemini Live-API über einen bidirektionalen Streaming-Endpunkt, der für latenzempfindliche Aufgaben entwickelt wurde, wodurch die „Stop-and-Think“-Pausen vermieden werden, die frühere Schlussfolgerungsmodelle einschränkten.
Zusammenarbeit mehrerer Roboter. Zum ersten Mal können verschiedene Robotertypen über ein gemeinsames semantisches Verständnis miteinander kommunizieren und eine Aufgabe entsprechend den physischen Stärken der einzelnen Roboter aufteilen – eine Funktion, die weder ER 1.6 noch die ursprüngliche Version von Gemini Robotics-ER unterstützten.
Architektur des ER 2 von Gemini Robotics
Architektonisch folgt der ER 2 von Gemini Robotics derselben Kernphilosophie, die DeepMind bereits seit der ersten Generation verfolgt hat. Gemini Robotics-ER: Es handelt sich um ein auf Gemini basierendes multimodales Modell, das auf räumliches Denken, Aufgabenplanung und Erfolgserkennung spezialisiert ist und über dem Motorik-Kontroll-Stack angesiedelt ist.
Entwickler integrieren es, indem sie Low-Level-Steuerungsschnittstellen wie VLA-Modelle oder Navigations-APIs als aufrufbare Tools deklarieren und anschließend multimodale Video-, Audio- oder Textdaten direkt in das Modell einspeisen. ER 2 kann während seines Schlussfolgerungsprozesses auch externe Tools, darunter die Google-Suche, nativ aufrufen. Google hat funktionierende Beispiele für diese Konfiguration veröffentlicht, darunter ein Integration von „Spot“ von Boston Dynamics wobei ER 2 die Navigations- und Manipulator-APIs von Spot so koordiniert, dass dieser auf einen Sprachbefehl hin selbstständig ein Objekt holt.
Gemini Robotics ER 2 – Leistungsvergleiche
DeepMind veröffentlichte anlässlich der Einführung konkrete, überprüfbare Leistungsdaten – ein bemerkenswertes Maß an Transparenz, da Entwickler das Modell so anhand realer Bewertungsdaten beurteilen können und nicht allein anhand von Marketingaussagen.
Fähigkeit | Ergebnis des Gemini Robotics ER 2 |
Fortschrittsklassifizierung (5-stufige Erfassung der Aufgabenbearbeitung) | 57,4 % Genauigkeit, womit es ER 1.6 und konkurrierende Frontier-Modelle übertrifft |
Moment-Finding (das genaue Bild, in dem ein Schlüsselereignis stattfindet, lokalisieren) | 91,3 % Genauigkeit, 0,96 s mittlere absolute Entfernung |
Ausführungsgeschwindigkeit im Vergleich zu größeren Konkurrenzmodellen | Vergleichbare Genauigkeit bei etwa viermal so hoher Ausführungsgeschwindigkeit und einem Bruchteil der Rechenkosten |
Werkzeugkoordination (echte VLA, simulierte VLA und manuelle Fernsteuerung) | Übertrifft ER 1.6 in allen drei Betriebsmodi durchweg |
Einhaltung von Sicherheitsanweisungen und Abstand zu Personen | Bisher beste Ergebnisse für ein Modell von Gemini Robotics, darunter das zuverlässige Anhalten eines Humanoiden, wenn sich eine Person zu nahe nähert |
Google bezeichnet ER 2 anhand zweier Benchmarks – „Safety Instruction Following“ und „Human Proximity“ – als sein bislang sicherstes Robotikmodell. In einem Beispiel stoppt es einen humanoiden Roboter zuverlässig, wenn sich eine Person zu nahe nähert. Die Einzelheiten sind im technischen Sicherheitsbericht „Gemini Robotics 2“ nachzulesen. Da es sich hierbei um vom Hersteller angegebene Ergebnisse handelt, muss jeder tatsächliche Einsatz dennoch eigenen Sicherheitstests unterzogen werden.
Preis des Gemini Robotics ER 2 und Preis des Gemini Robotics ER 1.6
Im Gegensatz zu einigen Robotikplattformen für Unternehmen, bei denen ein Verkaufsgespräch erforderlich ist, sind die Preise für den Gemini Robotics ER 2 transparent auf Googles Offizielle Preisseite der Gemini-API — auf derselben Seite, auf der alle anderen Gemini-Modelle aufgeführt sind.
Modell | Eingabe pro 1 Mio. Token | Ertrag pro 1 Mio. Token | Zwischengespeicherte Eingabe |
Gemini Robotics ER 2 – Vorschau | 2,00 $ | 10,00 $ | 0,20 $ |
Gemini Robotics ER 2 – Vorschau im Live-Stream | 2,00 $ | 10,00 $ | Nicht verfügbar |
Nicht verfügbar | 1,00 (2,00 Audio) | 5,00 $ | k. A. |
Einige praktische Hinweise zur Preisgestaltung:
ER 2 verfügt über eine kostenlose Testversion in Google AI Studio. Die Inhalte der kostenlosen Testversion können zur Verbesserung der Google-Produkte verwendet werden, und die Nutzungsbeschränkungen können sich ändern.
Die Batch-API senkt die Standardkosten für ER 2 um etwa die Hälfte, was sich gut für die Offline-Auswertung und -Beschriftung eignet.
ER 2 kostet doppelt so viel wie ER 1.6, doch da ER 1.6 nicht mehr zur Auswahl steht, ist der eigentliche Vergleich der von ER 2 mit anderen Schlussfolgerungsmodellen, die Sie möglicherweise verwenden.
Die Preise für Gemini Robotics 2 und On-Device 2 wurden noch nicht veröffentlicht, da beide Produkte derzeit ausschließlich für Early-Access-Partner verfügbar sind.
Mit physikalischer KI oder Robotik-Agenten entwickeln? Unser KI-Entwicklung Unser Team entwickelt auf Gemini basierende Assistenten und Agenten, und unsere KI-Beratung Unser Team kann Ihnen zunächst dabei helfen, die richtigen Modelle auszuwählen. Vereinbaren Sie einen kostenlosen Beratungstermin.
Gemini Robotics ER 2 vs. Gemini Robotics ER 1.6: Umfassender Vergleich
Gemini Robotics – ER 1.6 | Gemini Robotics ER 2 | |
Erscheinungsdatum | April 2026 | 30. Juli 2026 |
Kernkompetenz | Räumliche Logik, Aufgabenplanung, Erfolgserkennung | Erweitert um kontinuierliche Videoauswertung, Echtzeit-Streaming und Zusammenarbeit mehrerer Roboter |
Videoeingang | Vorwiegend statische Rahmenanalyse | Kontinuierliche Videoübertragung mit Fortschrittsanzeige |
Unterstützung mehrerer Roboter | Wird nicht unterstützt | Unterstützt – Roboter koordinieren sich über ein gemeinsames semantisches Verständnis |
Latenzprofil | Standard-Anfrage/Antwort | Bidirektionales Streaming über die Gemini Live-API |
Verständnis des Fortschritts | Begrenzt | Fortschrittsklassifizierung (57,4 %) und Momentbestimmung (91,3 %) |
Sicherheitsstandards | Vergleichsgrundlage | Bisher höchste Werte bei der Einhaltung von Sicherheitsanweisungen und der Nähe zu Menschen |
Preis (Eingabe/Ausgabe pro 1 Mio. Token) | 1,00 $ / 5,00 $ | 2,00 $ / 10,00 $ |
Verfügbarkeit | Aus dem Verkehr gezogen, da die Stilllegung für den 31. August 2026 vorgesehen ist | Google AI Studio, Gemini-API, private Vorschau auf der Gemini Enterprise Agent Platform |
Fazit: ER 2 ist nun das von Gemini unterstützte Modell für verkörpertes Schlussfolgern. Wenn Sie etwas auf Basis von ER 1.6 entwickelt haben, planen Sie die Umstellung auf ER 2 und testen Sie es erneut, da sich das Verhalten und die Verwendung von Tokens unterscheiden können. Wenn Sie ganz von vorne beginnen, ist ER 2 die einzige Wahl für Live-Videoüberwachung, die Koordination mehrerer Roboter und Echtzeit-Streaming.
Gemini Robotics On-Device: Das Offline-Pendant
Gemini Robotics On-Device 2 ist das Schwestermodell, das speziell für den lokalen Betrieb auf Roboterhardware entwickelt wurde, ohne auf eine Cloud-Verbindung angewiesen zu sein. Dies ist von entscheidender Bedeutung für Fabriken, Lagerhäuser oder Feldroboter, die mit eingeschränktem oder gar keinem Internetzugang arbeiten. Laut DeepMind kann sich das System an völlig neue Ausführungen von Zweiarmenrobotern anpassen, wobei weniger als 200 Trainingsbeispiele ausreichen, die innerhalb weniger Stunden gesammelt wurden. Dabei nutzt es die „Motion Transfer“-Technik, die erstmals in Gemini Robotics 1.5. Im Gegensatz zu Gemini Robotics ER 2 ist das geräteinterne Modell derzeit auf Early-Access-Partner beschränkt und nicht über eine offene API zugänglich.
Gemini Robotics SDK: Entwicklung auf Ihrer eigenen Hardware
Das Gemini Robotics SDK ist Googles Entwickler-Toolkit zum Testen und Anpassen von Gemini Robotics-Modellen an bestimmte Roboter und Aufgaben. Das SDK, das ursprünglich zusammen mit dem ersten Gemini Robotics On-Device-Modell veröffentlicht wurde, unterstützt die Auswertung im MuJoCo-Physiksimulator von Google und ermöglicht es Entwicklern, das Modellverhalten für neue Roboterausführungen mit nur 50 bis 100 Demonstrationen fein abzustimmen.
Speziell für den Gemini Robotics ER 2 hat Google gebrauchsfertige Beispiele für Jupyter-Notebooks auf GitHub, darunter die vollständige Spot-Demo von Boston Dynamics, was sie zu einem der zugänglicheren Einstiegspunkte in die Entwicklung physischer KI für Teams macht, die bereits mit der Gemini-API arbeiten..
Gemini Robotics-Artikel: Die Forschung hinter den Modellen
Für Leser, die sich eher für die zugrunde liegende Forschung als für die Produktankündigung interessieren, hat DeepMind für jede wichtige Generation einen zur Begutachtung freigegebenen technischen Bericht veröffentlicht:
„Gemini Robotics: Bringing AI into the Physical World“ (arXiv:2503.20020, März 2025) – die grundlegende Arbeit, in der die ursprünglichen Modelle „Gemini Robotics“ und „Gemini Robotics-ER“ vorgestellt werden, die auf Gemini 2.0 basieren.
„Gemini Robotics 1.5: Pushing the Frontier of Generalist Robots“ (arXiv:2510.03342) – stellt den Mechanismus der Bewegungsübertragung und den Denkansatz „Erst denken, dann handeln“ vor, auf denen ER 2 aufbaut.
Gemini Robotics 2 – Technischer Sicherheitsbericht – die sicherheitsspezifische Bewertung zur Version vom Juli 2026.
Gibt es eine Veröffentlichung zu Gemini Robotics 2? Stand Oktober 2026 konnten wir keine eigenständige arXiv-Veröffentlichung für die Generation vom Juli 2026 finden. Die von Google veröffentlichten Dokumente sind die Blogbeiträge zur Einführung, die ER-2-Modellkarte und der technische Sicherheitsbericht zu Gemini Robotics 2. Die beiden oben aufgeführten früheren arXiv-Artikel behandeln die Grundlagen, auf denen ER 2 aufbaut. Sollte ein vollständiger technischer Bericht erscheinen, wird er zuerst auf der Publikationsseite von DeepMind veröffentlicht.
Beispiel aus der Praxis: „Spot“ von Boston Dynamics holt einen Snack
Um die Fähigkeiten von ER 2 zur Tool-Orchestrierung in der Praxis zu demonstrieren, ging DeepMind eine Partnerschaft ein mit Boston Dynamics um zu zeigen, wie Gemini Robotics ER 2 die Navigations- und Manipulator-APIs von Spot vollständig über natürliche Sprache steuert.
Unabhängig davon demonstrierte der Humanoid „Apollo 2“ von Apptronik, auf dem das zugehörige Modell „Gemini Robotics 2 VLA“ läuft, die Koordination des gesamten Körpers – er ging zu einem Tisch, hob eine Gießkanne auf und stellte sie präzise auf ein Regal, wobei alle diese Aktionen durch die übergeordnete Planung von ER 2 koordiniert wurden.
Wie fängt man mit Gemini Robotics ER 2 an?
Holen Sie sich einen kostenlosen API-Schlüssel über Google AI Studio.
Überprüfen Sie die Dokumentation zur Gemini-API für Robotik für Anleitungen zu räumlichem Denken, agentischem Sehen und Aufgabenkoordination.
Den Offizielles GitHub-Repository „robotics-samples“ foder Beispiele Gemini Enterprise Agent Platform für Arbeitsnotizbücher.
Für den Einsatz in Unternehmen fordern Sie bitte Zugriff auf das private preview.
Weitere Informationen zu den neueren Modellen von Google finden Sie in unserem Gemini 3.7 – Flash-Anleitung und Die Zukunft der generativen KI: 8 wichtige Trends.
Häufig gestellte Fragen
Was ist Gemini Robotics ER 2?
Es handelt sich um das leistungsstärkste Modell für verkörpertes Denken von Google DeepMind, das am 30. Juli 2026 eingeführt wurde und als übergeordnete Entscheidungsebene eines Roboters dient – es interpretiert Video- und Sprachdaten, plant mehrstufige Aufgaben und koordiniert die Zusammenarbeit mit anderen Robotern, während die eigentliche Bewegung an ein separates Aktionsmodell übergeben wird.
Wie hoch ist der Preis für den Gemini Robotics ER 2?
Über die offizielle Gemini-API betragen die Standardpreise 2,00 US-Dollar pro Million Eingabetoken und 10,00 US-Dollar pro Million Ausgabetoken, wobei über Google AI Studio ein kostenloses Kontingent zur Verfügung steht und die Preise für die Batch-API um etwa 50 % niedriger sind.
Wie hoch ist der Preis für Gemini Robotics ER 1.6?
Gemini Robotics ER 1.6 kostet 1,00 US-Dollar pro Million Eingabetoken (Text/Bild/Video), 2,00 US-Dollar für Audioeingaben und 5,00 US-Dollar pro Million Ausgabetoken – das ist die Hälfte der Kosten von ER 2.
Inwiefern unterscheidet sich Gemini Robotics ER 2 von Gemini Robotics ER 1.6?
ER 2 bietet zusätzlich eine kontinuierliche Videoauswertung zur Echtzeit-Fortschrittsverfolgung, bidirektionales Streaming mit geringer Latenz über die Gemini Live API sowie die Zusammenarbeit mehrerer Roboter – Funktionen, die ER 1.6 nicht unterstützt. Außerdem schneidet es bei Benchmarks zu Sicherheit und räumlichem Denkvermögen deutlich besser ab.
Was ist „Gemini Robotics On-Device“?
Es handelt sich um ein eigenständiges, effizientes Modell für Bildverarbeitung, Sprache und Aktion, das dafür ausgelegt ist, lokal auf Roboterhardware ohne Internetverbindung zu laufen. Derzeit steht es nur Early-Access-Partnern zur Verfügung und ist noch nicht für die breite Öffentlichkeit zugänglich.
Was ist das Gemini Robotics SDK?
Ein Entwickler-Toolkit, mit dem Teams die Modelle von Gemini Robotics anhand ihrer eigenen Aufgaben und Roboterausführungen bewerten und optimieren können – unter Verwendung des MuJoCo-Simulators von Google und, speziell für ER 2, der auf GitHub veröffentlichten Notebook-Beispiele.
Wie lautet die Modell-ID des Gemini Robotics ER 2?
„Gemini-robotics-er-2-preview“ für den Standardgebrauch und „gemini-robotics-er-2-streaming-preview“ für Echtzeit-Streaming, beides über die Gemini-API.
Steuert Gemini Robotics ER 2 die Motoren des Roboters?
Nein. Es handelt sich um ein Bild-Sprach-Modell, das plant und Schlussfolgerungen zieht. Die Motorsteuerung erfolgt über ein separates Bild-Sprach-Aktions-Modell oder die robotereigene Steuerungs-API.
Ist der ER 1.6 von Gemini Robotics noch erhältlich?
Auf der Seite von Google zu auslaufenden Funktionen wird angegeben, dass die Vorschauversion von ER 1.6 am 31. August 2026 eingestellt wird und durch ER 2 ersetzt wird. Den aktuellen Status finden Sie auf dieser Seite.
Ist Gemini Robotics ER 2 Open Source?
Wir haben keine Veröffentlichung mit offenen Gewichtsangaben gefunden. Der Zugriff erfolgt über die Gemini-API und Google AI Studio.
Wo finde ich die Code-Beispiele?
Google hat in seinem Repository für Robotik-Beispiele auf GitHub Beispiel-Notebooks veröffentlicht, darunter auch die Spot-Demo von Boston Dynamics.
Sind „Gemini Robotics 2“ und „Gemini Robotics ER 2“ dasselbe Modell?
Nein. „Gemini Robotics 2“ ist das Aktionsmodell, das den Roboter steuert, während „ER 2“ das Schlussfolgerungsmodell ist, das die Aufgabe plant. „On-Device 2“ ist ein drittes Modell, das lokal ausgeführt wird.