Op 30 juli 2026 publiceerde Google DeepMind Gemini Robotics ER 2 — een embodied-reasoningmodel dat fungeert als high-level brein voor robots. Volgens de officiële aankondiging praat het met mensen, leest het de fysieke wereld, plant het multi-stappen-taken, orchestreert het tools (VLA's, navigatie-API's, user-defined functions, tot Google Search) en stemt het machines op elkaar af. Het signaal voor builders is geen lab-teaser: het model is al bereikbaar via de Gemini API, Google AI Studio en in private preview op het Gemini Enterprise Agent Platform.
Waar de markt vandaag écht staat
Physical AI strandde op één knelpunt: redeneren dat te traag is voor echte beweging. ER 2 hertekent dat. Volgens Google's developerpost koppelt het model aan de Gemini Live API via een bidirectioneel streaming-endpoint dat is geoptimaliseerd voor latency-gevoelige taken, zodat actiemodellen en robot-API's lopen zonder de harde stop-and-think-pauzes die een live loop breken.
Op tool-orchestratie stelt Google DeepMind dat ER 2 systematisch beter scoort dan ER 1.6 over drie control-modes: echte VLA, sim-VLA en menselijke tele-op. Een geciteerde demo koppelt de Spot APIs van Boston Dynamics (navigatie, manipulator) zodat Spot op natuurlijke taal een snack ophaalt — met samplecode op GitHub, per de aankondiging.
Twee temporal-intelligence-cijfers verankeren het heden. Op progress classification (vijf banden van 0–20% tot 80–100% per videoframe) haalt ER 2 57,4% nauwkeurigheid in de gepubliceerde evaluaties. Op moment-finding (het exacte frame van een kritiek event — stoppen met koffie schenken) scoort het 91,3% en een gemiddelde absolute afstand van 0,96 s, met 4× executiesnelheid in Google's vergelijkingsklasse — het sub-seconde regime dat fysieke robots nodig hebben.
Multi-robot-samenwerking is van de slide. De post beschrijft heterogene machines — Apptronik Apollo 2 en de Franka F3 Duo — die via gedeeld semantisch begrip workflows afmaken die één lichaam alleen niet trekt.
Drie trajecten die binnen 12 maanden zeer waarschijnlijk zijn
Horizon begrensd: midden 2027. Wat volgt scheidt zeer waarschijnlijk, plausibel en speculatief.
1. De ER-agent wordt de standaard control-laag
Zeer waarschijnlijk. Met een publieke API en GitHub-samples schuiven builder-stacks van monolithische perception-to-policy-scripts naar een gedeclareerd patroon: VLA's en navigatie als tools, continue multimodale video/audio/tekst de ER 2 in. Scheiding brein (ER) versus spieren (VLA) wordt de defaultschets.
2. Multi-robot verlaat de podiumdemo voor de labcel
Plausibel tot zeer waarschijnlijk in uitgeruste labs. Zodra semantische handoffs tussen morfologieën op de bank zijn geïnstrumenteerd, ketenen R&D-cellen rover + arm + humanoid op één doel. Nog geen volledige fabriek — wel de sprong van geïsoleerde demo's naar multi-body workflows met telemetrie.
3. Agentische safety wordt een deployment-gate
Zeer waarschijnlijk. Google presenteert ER 2 als zijn veiligste robotica-model tot nu toe op de benchmarks Safety Instruction Following en Human Proximity: nabijheid van mensen detecteren, veilig stoppen, pas hervatten als de zone vrij is. Een safety technical report begeleidt de release. Binnen 12 maanden botsen teams die veilige VLA-orchestratie niet meten op interne gates — en op de collaboratieve veiligheidsstandaarden die Google noemt.
Drie capabilities om dit kwartaal vast te zetten
- Live streaming + gedeclareerde tools. Koppel ER 2 aan de Gemini Live API, declareer minstens één VLA (echt of sim) en een navigatie-API als tools, en meet end-to-end latency op multi-stappen-taken van enkele minuten — het regime dat de aankondiging mikte.
- Progress classification + moment-finding in de closed loop. Log 0–100%-progressiebanden en frames van kritieke events. Zonder die twee signalen blijft de self-correction (een stap retryen zonder de hele workflow te herstarten) intern theater.
- Success/failure op ruwe videofeeds. ER 2 breidt faaldetectie uit naar continue video (morsen, slippen, misalignments) en generaliseert instrument reading over 10 types (wijzerplaten, schalen, digitale displays, vloeistofthermometers). Dat is veldtelemetrie, geen offline scorebord.
Drie risico's om nu te mitigeren
- Overconfidence op 57,4%. Progress classification beweegt, maar 57,4% per gepubliceerde evaluaties is geen productieplafond. Bouw menselijke guardrails wanneer progress stagneert of terugvalt.
- Slecht geïnstrumenteerde morfologische mix. Multi-robot veronderstelt een gedeeld doelvocabulaire. Zonder heldere interfacecontracten (state, success, refuse) worden Apollo ↔ Franka-handoffs een retry-storm.
- Safety pas na demo-day vastschroeven. De post hamert op autonome stop bij nabije mensen. Als een VLA nog een gevaarlijke tool kan vuren zonder ER-veto, redt het veiligste catalogusmodel niets. Zet tool-weigering en menselijke escalatie op het kritieke pad van het eerste prototype.
Drie hefbomen om deze week te activeren
- Open een ER 2-prompt in Google AI Studio (model
gemini-robotics-er-2-previewvolgens het aangekondigde toegangspad) en draai Google's Getting Started-notebook. - Clone de Live API-samples uit de robotics-GitHub-repo en zet een Spot-achtige loop (navigatie + manipulator) op in sim — of op partnerhardware indien beschikbaar.
- Schrijf een deployment-gate-checklist gemapt op de safety-assen die Google noemt: fysieke constraints, omgevingsmonitoring, taakhaalbaarheid, menselijke clarification — vóór je tool-call-volume opvoert.
Over 12 maanden: draait jouw robotica-lab nog op geïsoleerde scripts — of op een gedeeld ER-brein over heterogene lichamen?
Als je gek bent op de nieuwste AI-tech, publiceer ik elke dag een diepgaande analyse over frontier-modellen, hardware, robotica, automatiseringen en AI-muziek. 👉 Ontvang de volgende rechtstreeks in je mailbox — inschrijven duurt tien seconden.