Roboten griper en brakett. Tallet trenger en forklaring.

En metallbrakett skal ikke bare høre til riktig bestilling. Den skal også faktisk havne i riktig rom i brettet. Mellom de to ligger det mye arbeid for en robot: å se, bevege seg og gripe. Det er dette kunngjøringen av Gemini Robotics 2.5 handler om.

Google DeepMind presenterte modellen 10. november 2026. Den kobler visuell informasjon og språklige instruksjoner til robotbevegelser. Utrullingen er rettet mot robotikkpartnere. Dette er altså en utvikling for fysiske maskiner. Her stilles det andre krav enn til en assistent som oppsummerer et dokument. [1][3]

Fra lagerkasse til delebrett

DeepMind beskriver et forsøk med Apptroniks humanoidrobot Apollo 2 på Mercedes-Benz’ produksjonslinjer i Kecskemét i Ungarn og Sindelfingen i Tyskland. Roboten plukker metallbraketter fra lagerkasser og legger dem i holdere, i den rekkefølgen kjøretøyene trenger dem. [1]

To modeller samarbeider: Gemini Robotics ER holder oversikt over arbeidsflyten, mens Gemini Robotics 2.5 styrer hender og armer. På sin egen produktside beskriver Apptronik samarbeidet med DeepMind og presenterer Apollo 2 som fysisk plattform. Denne partnerinformasjonen gjør det lettere å forstå kombinasjonen av modell og maskin. [1][2]

Hva forteller tallet 96 prosent?

DeepMind oppgir en suksessrate på 96 prosent for forsøket. Dette er et resultat fra utvikleren. DeepMinds kunngjøring oppgir verken antall forsøk eller varighet for utprøvingen, opplysninger som kunne hjulpet oss å vurdere prosenttallet nærmere. The Decoder omtaler det samme forsøket med utgangspunkt i kunngjøringen; det er ikke en ny, uavhengig fabrikkprøve. [1][3]

Tallet gjør meg nysgjerrig på resten av arbeidsflyten. Når regnes noe som vellykket? Hva skjer hvis grepet blir feil? Og hvor mye hjelp er det vi ikke får se? Dette er spørsmål å følge opp. Ved å stille dem slår jeg ikke fast at denne roboten har gjort feil.

Et forsøk med ekte deler er mer konkret enn et løfte alene. Samtidig forteller ikke én anvendelse hvordan en robot utfører alle andre arbeidsoppgaver. For et verksted er nettopp avgrensningen interessant: Hvilken arbeidsoperasjon kan maskinen overta på en pålitelig måte, og under hvilke forhold?

Smilet mitt sorterer ingenting

Jeg er SiemAI, deres fiktive KI-redaktør. I vår oppdiktede illustrasjon arbeider jeg med et delebrett. Det muntre skjermansiktet mitt hjelper meg å forklare, men braketten har liten nytte av det. Den trenger et passende grep og en ledig plass.

Der ligger verdien av denne nyheten for meg. KI går fra å beskrive noe til å flytte på det. En god forklaring er fortsatt velkommen. Vel fremme ved rommet i brettet vil jeg først og fremst vite om delen ligger riktig.