# Gemini Robotics 2 controla humanoides de los pies a las manos Google DeepMind presenta Gemini Robotics 2, una familia de modelos que coordina el cuerpo completo, mejora la destreza y permite colaborar a varios robots. - URL canónica: https://robotica.es/ia/gemini-robotics-2-control-cuerpo-completo/ - Versión Markdown: https://robotica.es/ia/gemini-robotics-2-control-cuerpo-completo.md - Publicado: 2026-07-31 - Última actualización editorial: 2026-07-31 - Autoría: Redacción Robotica.es - Categoría: IA en robótica - Etiquetas: Google DeepMind, Gemini Robotics 2, Apptronik Apollo 2, IA física, humanoides, modelos VLA - Idioma: es-ES **Google DeepMind** ha presentado **Gemini Robotics 2**, una familia de modelos de IA física que amplía el control desde brazos y manos hasta el cuerpo completo de un humanoide. El sistema coordina locomoción, postura y manipulación, y añade una capa de razonamiento para encadenar tareas y repartir trabajo entre robots diferentes. ## Un modelo para caminar, agacharse y manipular La primera generación de Gemini Robotics se concentraba sobre todo en tareas de sobremesa y en el control de la parte superior del cuerpo. La versión anunciada el **30 de julio** busca resolver un problema más amplio: que un mismo modelo convierta una instrucción y lo que perciben las cámaras en movimientos coordinados de pies, torso, brazos y manos. Google DeepMind lo demuestra sobre **Apollo 2**, el humanoide de Apptronik. Ante una orden como guardar una regadera en un estante inferior, el robot camina hasta la mesa, recoge el objeto, se desplaza unos pasos y se agacha para depositarlo. Es una secuencia autónoma de laboratorio, no un despliegue comercial, pero combina locomoción y manipulación en una misma tarea en lugar de presentarlas como habilidades aisladas. La arquitectura se divide en tres modelos. **Gemini Robotics 2** es el modelo de visión, lenguaje y acción —VLA— que genera el control motor. **Gemini Robotics ER 2** actúa como planificador de alto nivel: interpreta el entorno, conversa con una persona, divide un objetivo en pasos y llama a las herramientas de control disponibles. **Gemini Robotics On-Device 2** ejecuta la parte de acción localmente para reducir la dependencia de la red y la latencia. La adaptación a hardware distinto es uno de los argumentos centrales. DeepMind asegura que la versión local puede ajustarse a una nueva plataforma de dos brazos con **menos de 200 ejemplos** recogidos durante unas horas. La compañía ha probado el mismo punto de control en Apollo 2 con manos diferentes y en una configuración Franka Duo con pinzas Robotiq, aunque eso no significa que cualquier robot pueda incorporar el modelo sin ingeniería adicional. ## La destreza mejora, pero las manos siguen siendo el cuello de botella Los resultados publicados permiten medir mejor la distancia entre una demostración y una capacidad fiable. Con Apollo 2 y manos Inspire, el modelo alcanzó un **68,4% de éxito al recoger objetos de una mesa**, un **45,7% desde el suelo** y un **76,3% desde una estantería**. Con Franka Duo y una pinza de dos dedos obtuvo un **89,6%** en inserciones precisas y un **78,9%** al preparar conjuntos de herramientas. Las manos multifinger ofrecen una imagen bastante menos uniforme. Sobre Apollo 2 con manos SharpaWave, Gemini Robotics 2 logró un **92% al desenroscar una bombilla**, pero solo un **36% al enroscarla**, un **44% al atar una bolsa de basura**, un **40% al cerrar una bolsa zip** y un **32% usando recogedor y cepillo**. La propia DeepMind reconoce que la manipulación con varios dedos continúa siendo difícil. Esa diferencia importa. Una pinza paralela puede superar a una mano antropomórfica en una tarea estrecha porque tiene menos articulaciones que coordinar y un contacto más predecible. El objetivo de una mano de cinco dedos no es ganar todos los ensayos desde el primer día, sino ampliar el repertorio de objetos y gestos sin cambiar de herramienta. Los datos muestran que esa versatilidad todavía se paga con menor fiabilidad. La capa de razonamiento también gana peso. Según el [anuncio técnico de Google](https://blog.google/innovation-and-ai/models-and-research/google-deepmind/gemini-robotics-er-2/), ER 2 clasifica el progreso de una tarea con un **57,4% de precisión** e identifica el momento de un evento clave con un **91,3%**, un error temporal medio de **0,96 segundos** y cuatro veces la velocidad de ejecución de modelos mayores comparados por la compañía. Esta capacidad permite decidir cuándo pasar al siguiente paso, reintentar una acción o pedir ayuda. ## Varios robots, acceso limitado y seguridad aún por certificar La otra novedad visible es la colaboración entre robots. Gemini Robotics ER 2 puede coordinar plataformas con capacidades complementarias mediante una representación semántica compartida. En una demostración, Apollo 2 y Franka Duo se reparten partes de un flujo de trabajo. Es una vía razonable para instalaciones donde un humanoide móvil llega a zonas distintas y un brazo fijo aporta precisión, aunque las pruebas mostradas siguen siendo entornos controlados. El acceso tampoco es uniforme. ER 2 ya está disponible para desarrolladores mediante la API de Gemini y Google AI Studio, mientras que los modelos VLA y On-Device se ofrecen a socios de acceso temprano. Por tanto, la parte que planifica puede probarse de forma más abierta que la que mueve directamente el robot. DeepMind ha añadido el benchmark **ASIMOV-Agentic** para evaluar si el agente rechaza instrucciones inseguras, detecta la proximidad de personas o solicita aclaraciones. Sin embargo, su propio [informe de seguridad](https://storage.googleapis.com/deepmind-media/gemini-robotics/Gemini-Robotics-2-Safety.pdf) deja un límite importante: no evalúa la arquitectura de seguridad funcional subyacente, incluidos componentes certificados, redundancia y garantías en tiempo real necesarias para un despliegue conforme. Gemini Robotics 2 demuestra que un modelo generalista puede coordinar más partes del cuerpo y más capas de una tarea que su predecesor. No demuestra todavía que un humanoide pueda trabajar durante turnos completos con fiabilidad industrial. Las cifras de destreza y la disponibilidad restringida colocan el anuncio donde corresponde: un avance técnico verificable y prometedor, pero aún en fase de investigación y acceso temprano. ## Fuentes - [Google DeepMind — presentación oficial de Gemini Robotics 2 [en]](https://deepmind.google/blog/gemini-robotics-2-brings-whole-body-intelligence-to-robots/) - [Google — disponibilidad y resultados técnicos de Gemini Robotics ER 2 [en]](https://blog.google/innovation-and-ai/models-and-research/google-deepmind/gemini-robotics-er-2/) - [Google DeepMind — informe de evaluaciones de seguridad de Gemini Robotics 2 [PDF, en]](https://storage.googleapis.com/deepmind-media/gemini-robotics/Gemini-Robotics-2-Safety.pdf) - [Axios — contexto del lanzamiento de Gemini Robotics 2 [en]](https://www.axios.com/2026/07/30/google-robotics-software-update) - [Imagen: Google DeepMind — Apollo 2 con Gemini Robotics 2 [en]](https://deepmind.google/blog/gemini-robotics-2-brings-whole-body-intelligence-to-robots/)