Google DeepMind presentó Gemini Robotics 2 el 30 de julio. En la demostración, el humanoide Apollo 2 de Apptronik se agacha, camina hasta una estantería, toma una regadera y la coloca donde se le pide.
Tres modelos sostienen el sistema
Gemini Robotics 2 convierte visión y lenguaje en control motor. Gemini Robotics ER 2 entiende escenas, habla con humanos y planifica tareas de varios pasos. Gemini Robotics On-Device 2 ejecuta la parte local en el robot.
Carolina Parada dijo a WIRED: “It's another milestone in our path towards really getting towards what we call like physical AGI, which means we get a robot to do anything that a human can.” Lo verificable es más concreto: control de cuerpo entero, manipulación con dos manos, colaboración entre robots, ejecución local y parada segura.
La destreza todavía es irregular
Los gráficos de Google muestran que Apollo 2 con Inspire hands logra 68,4% al recoger desde una mesa, 45,7% desde el suelo y 76,3% desde una estantería. Con la mano de cinco dedos SharpaWave, desenroscar una bombilla alcanza 92%, enroscarla 36%, atar una bolsa de basura 44%, usar recogedor 32% y cerrar una bolsa ziplock 40%.
La lectura sobria es clara: el sistema ya sale del tablero de mesa, pero las tareas parecidas a la mano humana siguen siendo frágiles.
La prueba real será reproducirlo
Google afirma que On-Device 2 puede adaptarse a nuevos robots de dos brazos en unas horas, normalmente con menos de 200 ejemplos. La tarjeta del modelo informa que SO101 sube de 6,7% a 53,3% y Dexmate de 24,4% a 75,6%. Son cifras de esa evaluación, no una garantía universal.
Los próximos indicadores son la reproducción en hardware de terceros, la mejora de tareas multi-dedo por encima de 50% y la fiabilidad de la parada segura cuando una persona se acerca en entornos desordenados.
Fuentes: anuncio de Google DeepMind, tarjetas de modelo Gemini Robotics ER 2 y On-Device 2, Google AI for Developers, CocoLoop, WIRED, The Verge, Sina Finance; verificados alcance de modelos, reparto de tres modelos, evaluación Apollo 2/SharpaWave/Inspire hands, ajustes 128k/64K, adaptación con menos de 200 ejemplos y canales de disponibilidad.