El 31 de julio de 2026, hora de Beijing, Google DeepMind lanzó una serie compuesta por tres modelos Gemini Robotics 2 que extienden el control de robots humanoides desde la parte superior del cuerpo en generaciones anteriores a movimientos coordinados de pies, tronco, brazos y dedos. El anuncio oficial se hizo a las 0:00 hora de Beijing, mientras que The Verge publicó un resumen de los cambios a las 1:18:45. La actualización se divide en tres niveles: control de movimiento, razonamiento encarnado y ejecución en dispositivos, con una disponibilidad limitada a herramientas públicas, vistas privadas y socios de experiencia temprana.
Tres modelos y movimientos corporales completos
Gemini Robotics 2 es un modelo visual-lingüístico-motriz que convierte lo visto por las cámaras y los comandos lingüísticos en control de movimiento; Gemini Robotics ER 2 es un modelo de razonamiento encarnado que comprende el entorno, se comunica con humanos y planifica tareas multistep. Gemini Robotics On-Device 2 está diseñado para la ejecución local en robots y para adaptarse rápidamente a cambios en los cuerpos del robot. Estas descripciones provienen de las declaraciones oficiales de Google DeepMind, no son conclusiones de pruebas independientes.
En el demostración pública de Apollo 2, el sistema recibió la instrucción de colocar una jarra de agua en un cajón verde inferior y dirigió al robot a caminar hacia la mesa, tomar el objeto, moverse hasta el estante y completar la tarea. La compañía afirma que esto demuestra que el modelo puede convertir una intención única en acciones continuas que involucran caminar, extenderse, agarrar y equilibrarse. Sin embargo, Google reconoce que aún es necesario mejorar la velocidad de movimiento; esta prueba no proporciona resultados de implementación en fábricas, hogares o sitios de clientes, ni permite juzgar la confiabilidad a largo plazo.
Manipulación delicada y razonamiento de tareas largas
El control de manos y garras es otra demostración oficial. Google afirma que el modelo puede controlar la mano SharpaWave de cinco dedos en Apollo 2, con 22 grados de libertad, realizando tareas como atar nudos y cerrar bolsas sellables; en la plataforma Franka Duo, el modelo también controla una garra paralela de dos dedos para empaque compacto. Los gráficos muestran tasas promedio de éxito para movimientos corporales completos y habilidades de garras basadas en múltiples tareas similares, con las tareas multidedo listadas por separado. La compañía resume el rendimiento de los dos primeros grupos como moderado a alto, pero aclara que la manipulación delicada de varios dedos sigue siendo difícil y no ha publicado un punto de referencia directamente comparable al rendimiento humano.
Gemini Robotics ER 2 maneja tareas más largas leyendo instrucciones del usuario e inspeccionando la habitación, determinando pasos, llamando a modelos visuales-lingüísticos-motrices para ejecutar y rastreando continuamente el progreso de la tarea. Google afirma que el sistema puede reprogramar después de un fallo en una etapa y determinar cuándo comienza y termina una tarea, así como localizar momentos clave. El alcance del trabajo es de varios minutos e involucra cientos de decisiones, pero no se proporcionan tasas de éxito específicas para tareas largas, distribución de fallos o experimentos independientes replicables.
Demostraciones colaborativas y adaptación a dispositivos
Google también ha incorporado la colaboración entre múltiples robots en las responsabilidades de ER 2, permitiendo que diferentes tipos de robots se comuniquen y compartan procesos que una sola unidad no puede completar por sí misma. Otra demostración muestra un punto de control del modelo Gemini Robotics 2 para tres configuraciones: Apollo 2 con la mano SharpaWave, Apollo 2 con la mano Inspire y Franka Duo con garras Robotiq. Esto confirma las configuraciones experimentales y las descripciones oficiales de capacidades, pero no indica que los sistemas multirobot estén en proyectos comerciales o entornos de producción.
La versión para dispositivos está diseñada para escenarios de robots con latencia de red o sin conexión a Internet. Google afirma que hereda la tecnología de migración motriz de Gemini Robotics 1.5 y soporta nativamente diferentes cuerpos. La adaptabilidad se describe como capaz de cambiar a un nuevo robot bimanual con formas, sensores y grados de libertad significativamente diferentes usando datos recogidos en unas pocas horas, generalmente menos de 200 ejemplos. Este número es autoafirmado por Google sin verificación independiente; el anuncio tampoco revela el tamaño del modelo, la potencia de cálculo del dispositivo, el consumo energético, los costos de adaptación o una lista de hardware compatible.
Alcance abierto y límites de seguridad
Los tres modelos no se abren de la misma manera. Gemini Robotics ER 2 ya está disponible en Google AI Studio y ofrece vistas privadas en el Gemini Enterprise Agent Platform; los modelos que controlan movimientos y dispositivos solo están disponibles para socios de experiencia temprana. No se proporciona una fecha de apertura completa, precios, cuotas de llamada, términos comerciales o rangos geográficos, por lo que no se puede considerar esta investigación como un servicio generalmente disponible.
La parte de seguridad introduce un punto de referencia de prueba llamado ASIMOV-Agentic para medir la capacidad del agente de razonamiento encarnado para rechazar llamadas a herramientas inseguras, juzgar si una tarea es factible y solicitar intervención humana activamente cuando hay incertidumbre. Google afirma que el enfoque general combina medidas de protección física tradicionales con un marco de seguridad de inteligencia artificial, y dice que ER 2 puede detectar a las personas cercanas, activar herramientas de seguridad y detener al robot si la distancia es demasiado corta, pero no proporciona certificaciones independientes o registros de producción públicos. El siguiente punto verificable sería un arreglo más amplio de apertura, puntos de referencia independientes, datos de implementación real y mejoras en velocidad y limitaciones de manipulación multidedo.