Een robot die een zware krat optilt, maakt indruk. Maar probeer hem eens een plastic zakje te laten dichtdrukken. Dan moeten twee handen een slap voorwerp vasthouden, de sluitstrip vinden en precies genoeg druk zetten. Google DeepMind laat met Gemini Robotics 2 zien hoe robots zulke kleine, lastige handelingen steeds beter onder de knie krijgen.
In de demonstratie werken vingers samen aan een knoop, een lamp en een hersluitbaar zakje. Dat lijkt alledaags, maar hier zit een van de grote uitdagingen van robotica: een voorwerp kunnen oppakken is nog iets anders dan het handig tussen je vingers kunnen bewerken.
Kijken, begrijpen en bewegen
Gemini Robotics 2 is de AI die camerabeelden en opdrachten in taal omzet in bewegingen. DeepMind presenteerde het model op 30 juli 2026. De software moet niet alleen bepalen welk voorwerp de robot nodig heeft, maar ook hoe armen, polsen en vingers samen de opdracht uitvoeren.
Neem een lamp losdraaien. De vingers moeten grip houden terwijl de pols draait. Daarna moet de hand opnieuw kunnen pakken zonder de lamp te laten vallen. Bij een zakje speelt juist vervorming mee: zodra je eraan trekt, verandert de vorm en ligt de sluitstrip alweer anders. Een vaste beweging eindeloos herhalen is dan niet genoeg.
Vijf vingers met 22 bewegingsmogelijkheden
DeepMind testte hetzelfde model onder meer op Apptronik Apollo 2 met handen van Sharpa. Elke Sharpa Wave-hand heeft vijf vingers en 22 actief aangestuurde vrijheidsgraden: afzonderlijke bewegingen waarmee de hand kan buigen, spreiden en grijpen. Meer beweeglijkheid geeft meer mogelijkheden, maar de software moet al die bewegingen ook op elkaar afstemmen.
Sharpa bouwt bovendien tastwaarneming in de vingertoppen. Die kan druk, contact en wegglijden waarnemen, zodat een robot niet uitsluitend afhankelijk hoeft te zijn van wat zijn camera ziet. Dat is precies wat een hand nodig heeft wanneer een voorwerp deels achter de vingers verdwijnt of in de greep verschuift.
Losdraaien lukt beter dan vastdraaien
De vooruitgang betekent nog geen universeel handige huishoudrobot. In DeepMinds eigen proeven lukte een lamp losdraaien in 92 procent van de pogingen; vastdraaien kwam op 36 procent. De schroefdraad vinden en netjes volgen blijft dus een veel grotere hobbel.
Juist daarom zijn die kleine handelingen zo interessant. Onze huizen en werkplekken zitten vol doppen, sluitingen, verpakkingen en gereedschap voor mensenhanden. Hoe beter robots daarmee leren omgaan, hoe minder hun omgeving speciaal voor hen hoeft te worden verbouwd.
