Google lanserar Gemini Robotics ER 2 – robotar kan planera och samarbeta

Google lanserar Gemini Robotics ER 2 – robotar kan planera och samarbeta

Google DeepMind lanserar Gemini Robotics ER 2, en AI-modell som fungerar som ett överordnat resonemangs- och planeringslager för robotar. Modellen kan följa videoströmmar i realtid, planera uppgifter i flera steg, använda verktyg och samordna flera olika robotar.

Lanseringen presenterades den 30 juli 2026. Google beskriver ER 2 som företagets mest kapabla modell hittills för embodied reasoning, alltså AI-resonemang som är kopplat till den fysiska världen.

Det viktigaste i korthet

| Punkt | Uppgift från Google DeepMind |
|---|---|
| Modell | Gemini Robotics ER 2 |
| Lanseringsdatum | 30 juli 2026 |
| Funktion | Högnivåhjärna för robotar |
| Inmatning | Text, bild, video och ljud |
| Viktiga förmågor | Planering, videoanalys, verktygsanrop och samarbete mellan robotar |
| Tillgång | Gemini API och Google AI Studio |
| Företagstillgång | Privat förhandsversion i Gemini Enterprise Agent Platform |
| Underliggande modell | Gemini 3.5 Flash enligt modellkortet |

Vad är Gemini Robotics ER 2?

ER står för Embodied Reasoning. Modellen styr normalt inte varje motor eller led direkt. Den fungerar i stället som ett överordnat lager som förstår målet, tolkar omgivningen och bestämmer vilka steg som behöver utföras.

Själva rörelsen kan lämnas vidare till ett lägre kontrollsystem, exempelvis en vision-language-action-modell, en navigeringsfunktion eller ett robot-API.

En förenklad kedja kan se ut så här:

1. människan ger ett mål med naturligt språk
2. ER 2 analyserar miljön genom video, bild och sensordata
3. modellen delar upp målet i mindre steg
4. rätt robot eller verktyg får en uppgift
5. videoströmmen används för att följa framstegen
6. modellen korrigerar planen om något går fel
7. resultatet verifieras innan nästa steg börjar

Det gör systemet mer likt en arbetsledare än en enskild motorstyrning.

Modellen kan tänka medan roboten arbetar

En viktig nyhet är att ER 2 kan planera nästa steg samtidigt som den aktuella handlingen pågår. Google har integrerat modellen med Gemini Live API, som använder dubbelriktad strömning för uppgifter där låg fördröjning är viktig.

I äldre flöden kan en robot behöva stanna, skicka data till modellen, vänta på analys och sedan fortsätta. ER 2 är byggd för mer kontinuerlig samordning utan lika tydliga stopp mellan tanke och handling.

Det är särskilt viktigt i fysiska miljöer. En lång paus är inte bara irriterande utan kan göra arbetet osäkert eller ineffektivt när människor, maskiner och föremål rör sig runt roboten.

Följer arbetets framsteg genom video

En av robotikens svåraste frågor är att avgöra om en uppgift verkligen är färdig. Det räcker inte alltid att en robot har genomfört den planerade rörelsen.

Exempel:

• en glödlampa kan ha vridits men inte dragits åt
• en påse kan ha knutits men fortfarande vara öppen
• kaffe kan ha hällts men koppen kan vara överfull
• ett föremål kan ha placerats på fel sida av en markering

ER 2 analyserar en kontinuerlig videoström och klassificerar hur långt uppgiften har kommit. I Googles tester delades varje bildruta in i fem intervall från 0–20 procent till 80–100 procent färdigställande.

Google uppger att modellen nådde 57,4 procents träffsäkerhet i denna progressklassificering och presterade bättre än föregående generation och jämförda frontmodeller i företagets test.

Siffran visar samtidigt att uppgiften inte är löst. Drygt hälften i ett specifikt test är ett framsteg, men inte en nivå som ensam bör styra säkerhetskritisk industri.

Hittar det exakta ögonblicket när en uppgift är klar

Google testar även så kallad moment-finding. Modellen ska identifiera den exakta videobild där en kritisk händelse inträffar, exempelvis när roboten ska sluta hälla vätska.

ER 2 nådde enligt Google:

• 91,3 procents träffsäkerhet
• 0,96 sekunders genomsnittlig absolut tidsavvikelse
• omkring fyra gånger snabbare exekvering än större jämförda modellkategorier

Låg fördröjning är avgörande när en robot behöver reagera innan en situation förändras. Men även en genomsnittlig avvikelse under en sekund kan vara för stor för vissa maskiner och hastigheter. Resultaten behöver därför bedömas utifrån den enskilda uppgiften.

Flera robotar kan samarbeta

ER 2 introducerar även samarbete mellan flera robotar. Olika maskiner kan dela en gemensam semantisk förståelse av uppgiften och lämna över arbete till varandra.

Det är relevant eftersom ingen robottyp är bäst på allt:

• en hjulförsedd robot är effektiv på plana golv
• en humanoid kan hantera miljöer byggda för människor
• en stationär robotarm kan arbeta precist och snabbt
• en drönare kan inspektera höga eller svårtillgängliga platser

Google visar ett exempel där Apptroniks humanoida Apollo 2 och Franka F3 Duo samarbetar. Modellen har även demonstrerats med Boston Dynamics Spot, där ER 2 använder navigerings- och manipulatorfunktioner för att hämta ett föremål efter en naturlig språkinstruktion.

Detta är demonstrationer, inte bevis på att vilken robotflotta som helst kan samarbeta utan omfattande integration och testning.

ER 2 kan använda Google Search och egna funktioner

Modellen kan anropa digitala verktyg som Google Search och funktioner som utvecklaren själv definierar.

En robot skulle exempelvis kunna:

1. läsa modellnumret på en maskin
2. söka efter rätt serviceinstruktion
3. kontrollera vilken säkerhetsprocedur som gäller
4. välja rätt robotverktyg
5. genomföra ett avgränsat moment
6. dokumentera resultatet

Verktygsanrop skapar samtidigt en ny angreppsyta. En instruktion på en webbsida eller i ett dokument kan försöka påverka modellen, så kallad promptinjektion. En robotagent bör därför inte få obegränsad rätt att följa externa instruktioner eller ladda ner kod.

Säkerhet nära människor

Google beskriver ER 2 som företagets säkraste embodied reasoning-modell hittills. Modellen har testats i benchmark för Safety Instruction Following och Human Proximity.

I ett demonstrerat scenario stoppar en humanoid sitt arbete när en människa kommer nära och återupptar det först när området är fritt.

Det är ett viktigt kontrollager, men bör inte ersätta traditionell maskinsäkerhet. En industrirobot behöver fortfarande fysiska nödstopp, säkra zoner, hastighetsbegränsning, certifierade sensorer och oberoende säkerhetslogik.

En språkmodell får inte vara den enda mekanismen som avgör om en människa befinner sig i fara.

Skillnaden mellan högnivå-AI och motorstyrning

| Lager | Uppgift | Exempel |
|---|---|---|
| Högnivåmodell | Förstår mål, miljö och arbetsordning | Gemini Robotics ER 2 |
| VLA- eller kontrollmodell | Översätter mål till konkreta robotrörelser | Grepp, förflyttning och manipulation |
| Robot-API | Exponerar specifika funktioner | Navigera, öppna gripdon eller läsa sensor |
| Säkerhetssystem | Stoppar farliga rörelser oberoende av AI | Nödstopp, ljusridå och kraftbegränsning |

Separationen gör systemet flexiblare. ER 2 kan teoretiskt användas med flera robottyper så länge deras kontroller kan exponeras på ett säkert och tydligt sätt.

Det innebär också att kvaliteten på hela lösningen beror på varje lager. En bra plan kan misslyckas om rörelsekontrollen är svag, sensorn felkalibrerad eller verktygsbeskrivningen otydlig.

Tillgänglig genom Gemini API och AI Studio

Google uppger att utvecklare kan använda ER 2 genom Gemini API och Google AI Studio. Modellen finns även i privat förhandsversion genom Gemini Enterprise Agent Platform.

Det sänker tröskeln för att experimentera med fysisk AI. Utvecklare kan konfigurera låg-nivåfunktioner som verktyg och strömma video, ljud eller text till modellen.

Tillgång till modellen betyder däremot inte att en färdig robotlösning kan sättas i produktion direkt. Företaget behöver fortfarande:

• välja och integrera robotplattform
• skapa säkra verktygsgränssnitt
• samla testdata från den verkliga miljön
• definiera fel- och reservlägen
• genomföra riskanalys
• hantera loggning och ansvar

Möjliga användningsområden

Industri och lager

ER 2 kan användas för arbetsledning mellan robotar, kvalitetskontroll, plockning och anpassning när en produktionsmiljö förändras.

Service och underhåll

En robot kan följa instruktioner, läsa instrument och dokumentera om ett moment utförts. Modellen har utvärderats på bland annat digitala displayer, linjära skalor, linjaler och vätsketermometrar.

Vård och omsorg

Robotar kan på sikt hjälpa till med transport, föremål och enkla praktiska uppgifter. Kraven på närhetssäkerhet, integritet och mänsklig kontroll är då mycket höga.

Hemmet

En assistent kan förstå naturliga instruktioner och samordna smarta enheter eller en mobil robot. Hemmet är dock en oförutsägbar miljö med barn, djur och föremål som inte finns i träningsdata.

Räddning och inspektion

Flera robottyper kan samarbeta i farliga miljöer. En drönare kan kartlägga och en markrobot kan genomföra en närmare inspektion.

Vad betyder detta för svenska industriföretag?

Sverige har starka branscher inom fordon, tillverkning, gruvor, lager och automation. ER 2 kan därför bli relevant för företag som redan använder robotar men vill göra arbetsflödena mer flexibla.

En säker svensk pilot kan börja med:

• en avgränsad uppgift utan direkt personrisk
• historiska eller simulerade data
• en robot med begränsad hastighet och kraft
• mänskligt godkännande före varje fysisk handling
• separat säkerhetsstyrning
• mätning av fel, omtag och tidsbesparing

Företag bör inte börja med det mest kritiska momentet. Värdet kan först bevisas i dokumentation, inspektion eller arbetsplanering innan modellen får närmare koppling till maskiner.

Anthropic och UST arbetar parallellt med AI i chipvalidering och industriella processer. Läs om Claude i fysisk AI och utbildningen av 20 000 ingenjörer.

Risk för felaktig generalisering

En robotmodell kan se två situationer som visuellt liknar varandra men kräver helt olika handlingar. Ett föremål kan vara varmt, vasst, instabilt eller förbjudet att flytta utan att det syns tydligt i kameran.

Viktiga risker är:

• felaktig tolkning av objekt och avstånd
• missad människa eller ett djur
• fel verktyg för uppgiften
• otydlig överlämning mellan robotar
• nätverksfördröjning
• promptinjektion från text i miljön
• hallucinerad slutförandestatus
• oväntad förändring efter modelluppdatering

Varje produktionsmiljö behöver därför egna tester och gränser. Ett starkt benchmarkresultat kan inte ersätta validering på den faktiska arbetsplatsen.

Mänsklig kontroll måste vara konkret

”Human in the loop” är bara meningsfullt om människan har tid, information och faktisk möjlighet att stoppa systemet.

En operatör bör kunna se:

• vilket mål modellen försöker uppnå
• vilken robot som ska agera
• vilken data och vilka verktyg som används
• varför nästa handling föreslås
• vilka risker som identifierats
• hur handlingen stoppas
• hur systemet återgår till säkert läge

Ett godkännande som visas för sent eller med hundratals tekniska detaljer är inte en effektiv säkerhetskontroll.

AI Act och maskinsäkerhet

Fysisk AI kan omfattas av flera regelverk samtidigt. AI Act kan bli relevant beroende på användning och risknivå, medan maskin-, produkt- och arbetsmiljöregler styr själva den fysiska lösningen.

Företag behöver dokumentera både modellen och maskinen:

1. avsett användningsområde
2. förbjudna situationer
3. tränings- och testunderlag
4. riskreducerande åtgärder
5. mänsklig övervakning
6. loggning och incidenthantering
7. förändringar efter uppdatering
8. ansvar mellan modell-, robot- och systemleverantör

Läs även vår genomgång av AI-förordningen 2026 för svenska företag.

Vad ska följas härnäst?

Viktiga frågor under kommande månader är:

• vilka företag som testar ER 2 i verklig drift
• hur prestandan ser ut utanför Googles benchmark
• hur ofta modellen behöver mänsklig hjälp
• vilka robotplattformar som får färdiga integrationer
• kostnad och svarstid genom API:t
• hur videodata lagras och behandlas
• om säkerhetstesterna blir oberoende granskade
• hur modellen påverkas av dåligt ljus, buller och nätverksproblem

Det är först när dessa uppgifter finns som modellens industriella betydelse kan bedömas fullt ut.

Vanliga frågor

Vad är Gemini Robotics ER 2?

Det är en multimodal AI-modell som fungerar som ett högnivå- och planeringslager för robotar. Den tolkar miljön, planerar flera steg och anropar robotfunktioner.

Styr modellen robotens motorer direkt?

Normalt lämnar ER 2 själva motorutförandet till en VLA-modell, navigeringsfunktion eller ett robot-API.

Kan flera robotar samarbeta?

Ja. Google visar hur olika robottyper kan dela en gemensam plan och lämna över delar av en uppgift till varandra.

Är modellen tillgänglig för utvecklare?

Google uppger att ER 2 finns genom Gemini API och Google AI Studio samt i privat förhandsversion på Gemini Enterprise Agent Platform.

Är robotarna säkra nära människor?

Google rapporterar förbättrade resultat i egna säkerhetstester, men modellen bör inte ersätta certifierade och oberoende maskinsäkerhetssystem.

Sammanfattning

Gemini Robotics ER 2 gör Gemini till ett högnivålager för fysiska agenter. Modellen kan tolka video, följa framsteg, planera nästa steg och samordna flera robotar i samma arbetsflöde.

Tekniken kan göra industri- och servicerobotar mer flexibla, men den är inte en färdig lösning för säker drift. Oberoende nödstopp, begränsade behörigheter, verklig miljötestning och tydligt mänskligt ansvar måste byggas runt modellen innan den får styra handlingar med fysiska konsekvenser.

Faktaunderlag: Google DeepMind, ”Introducing Gemini Robotics ER 2”, publicerad 30 juli 2026, samt modellkortet för Gemini Robotics ER 2. Kontrollerat 22 augusti 2026.