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, 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 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]
- Google — disponibilidad y resultados técnicos de Gemini Robotics ER 2 [en]
- Google DeepMind — informe de evaluaciones de seguridad de Gemini Robotics 2 [PDF, en]
- Axios — contexto del lanzamiento de Gemini Robotics 2 [en]
- Imagen: Google DeepMind — Apollo 2 con Gemini Robotics 2 [en]