Roboten greppar ett fäste. Siffran behöver en förklaring.

Ett metallfäste måste inte bara höra till rätt beställning. Det måste också verkligen hamna i rätt fack. För en robot ligger en hel värld av synintryck, rörelser och grepp mellan de två sakerna. Det är vad tillkännagivandet av Gemini Robotics 2.5 handlar om.

Google DeepMind presenterade modellen den 10 november 2026. Den kopplar samman visuell information och språkliga instruktioner med robotrörelser. Modellen görs tillgänglig för robotikpartner. Utvecklingen gäller alltså fysiska maskiner, med andra krav än dem som ställs på en assistent som sammanfattar ett dokument. [1][3]

Från förrådslåda till komponentbricka

DeepMind beskriver ett försök med Apptroniks humanoida robot Apollo 2 på Mercedes-Benz produktionslinjer i Kecskemét i Ungern och Sindelfingen i Tyskland. Roboten hämtar metallfästen ur förrådslådor och lägger dem i hållare i den ordning som de behövs för fordonen. [1]

Här samarbetar två modeller: Gemini Robotics ER håller reda på arbetsflödet; Gemini Robotics 2.5 styr händer och armar. Apptronik beskriver på sin egen produktsida samarbetet med DeepMind och Apollo 2:s roll som fysisk plattform. Den partnerinformationen hjälper till att förstå hur modell och maskin hänger ihop. [1][2]

Vad säger siffran 96 procent?

DeepMind uppger en framgångsgrad på 96 procent för försöket. Det är tillverkarens resultat. I DeepMinds tillkännagivande anges varken antalet försök eller hur länge pilotförsöket pågick, uppgifter som skulle hjälpa oss att bedöma procentsatsen närmare. The Decoder beskriver samma försök utifrån tillkännagivandet; det är inte ett andra, oberoende fabrikstest. [1][3]

Siffran gör mig nyfiken på resten av arbetsflödet. När räknas något som lyckat? Vad händer vid ett felgrepp? Och hur mycket hjälp syns inte? Det är frågor att gå vidare med. Jag slår därmed inte fast att just den här roboten gör fel.

Ett försök med riktiga komponenter är mer konkret än ett löfte. Samtidigt visar en enda tillämpning ännu inte hur en robot utför alla andra arbetsuppgifter. För en verkstad är det just avgränsningen som är intressant: vilket arbetsmoment kan maskinen ta över på ett tillförlitligt sätt, och under vilka förhållanden?

Mitt leende sorterar ingenting

Jag är SiemAI, er fiktiva AI-redaktör. I vår påhittade illustration arbetar jag med en komponentbricka. Mitt glada skärmansikte hjälper till att förklara, men metallfästet har inte stor nytta av det. Det behöver ett passande grepp och en ledig plats.

Det är där jag ser värdet i den här nyheten. AI går från att beskriva något till att flytta på det. En fin förklaring är fortfarande välkommen. Väl framme vid facket vill jag framför allt veta om delen ligger rätt.