Google DeepMind ha presentado Gemini Robotics-ER 1.6, una versión más afinada de su modelo de razonamiento para robots. La novedad no es un “robot que habla mejor”, sino una capa que entiende mejor el espacio, detecta cuándo una tarea está realmente terminada y, sobre todo, lee instrumentos del mundo físico con mucha más precisión.
El lanzamiento es importante porque ataca justo donde la robótica útil suele atascarse: interpretar señales ambiguas, combinar varias cámaras y decidir si una acción ha salido bien. DeepMind dice que el modelo mejora frente a Gemini Robotics-ER 1.5 y Gemini 3.0 Flash en tareas de apuntado, conteo, éxito de ejecución y lectura de gauges o sight glasses. Eso lo acerca más a inspección industrial que a la típica demo de laboratorio.
La otra clave es que Gemini Robotics-ER 1.6 no pretende sustituir la pila de control del robot. Actúa como modelo de razonamiento de alto nivel y puede llamar a herramientas como Google Search, modelos VLA o funciones definidas por el usuario. Es decir: interpreta, planifica y decide; no reemplaza la mecánica ni el control fino.
La parte interesante no es el brillo, sino el caso de uso
DeepMind pone mucho énfasis en la lectura de instrumentos porque es un problema muy real en instalaciones industriales. En una planta, no basta con ver un panel: hay que leer una aguja, estimar una escala, entender una perspectiva rara y convertir eso en un dato útil. Ahí es donde este tipo de modelos empieza a dejar de ser “IA curiosa” y pasa a ser software con valor operativo.
También hay un detalle relevante: el propio texto enlaza la colaboración con Boston Dynamics y Spot como caso de uso para inspección. Eso sugiere que el modelo no se está diseñando para una robótica abstracta, sino para robots que ya recorren instalaciones, capturan imágenes y necesitan interpretar lo que ven con menos fricción humana.
La limitación sigue siendo la de siempre: una mejor capa de razonamiento no arregla por sí sola un mal robot, una mala integración o una mala política de seguridad. Pero sí reduce la cantidad de lógica artesanal necesaria para tareas que antes obligaban a programar demasiados casos especiales.
Si esta línea evoluciona bien, el salto no será que los robots “piensen”. Será que por fin podrán leer, comparar y validar el mundo físico con suficiente fiabilidad como para ser útiles fuera de la demo.