✨︎ Resumen (TL;DR):
- Google DeepMind presentó Gemini Robotics 2, un sistema de tres modelos de IA que controla robots humanoides de pies a cabeza.
- Los datos revelan un fuerte contraste: las máquinas ya caminan con éxito, pero la precisión manual de los dedos todavía falla más de la mitad de las veces.
- Mientras el modelo de razonamiento ya está abierto a desarrolladores, las herramientas de control físico siguen restringidas a socios seleccionados.
Google DeepMind presentó Gemini Robotics 2, una avanzada familia de tres modelos de inteligencia artificial diseñada para dar control motor y de razonamiento a robots humanoides completos. El sistema permite que las máquinas caminen, se agachen y coordinen tareas complejas sin intervención humana, aunque los datos oficiales revelan que la destreza fina de los dedos todavía presenta importantes fallas de precisión.
Gemini Robotics 2 es una familia de modelos de inteligencia artificial que traduce estímulos visuales y comandos de lenguaje natural en movimientos físicos para controlar robots humanoides. A diferencia de su versión anterior, que solo manejaba extremidades superiores sobre superficies planas, esta actualización toma control del cuerpo completo.
De la mesa al estante: el avance del movimiento corporal
La demostración principal utilizó el Apollo 2, un robot humanoide desarrollado por la firma texana Apptronik. Al recibir instrucciones verbales cotidianas como “pon la regadera en el bote verde del estante de abajo”, el robot procesa la orden, camina hacia el objetivo y ejecuta la acción de manera autónoma. No obstante, Google admite que la velocidad de desplazamiento sigue siendo una limitante física a resolver.
Para las manos, el software opera la tecnología SharpaWave, un sistema de cinco dedos y 22 grados de libertad. El mismo modelo puede controlar tanto esta mano compleja como las pinzas básicas de dos dedos de la plataforma Franka Duo, logrando correr en distintos tipos de hardware sin necesidad de entrenar un modelo específico para cada robot.
La brecha de la destreza: las cifras oficiales
A pesar de los avances motrices, los datos publicados por Google evidencian que la manipulación fina sigue siendo un obstáculo crítico. Las tasas de éxito del robot varían de forma drástica según la complejidad de la tarea:
- Con la mano Sharpa, desenroscar un foco registra un 92% de éxito, pero atornillarlo cae al 36%.
- Atar una bolsa de basura logra apenas un 44% de efectividad, mientras que usar un recogedor de basura se queda en 32%.
- Cerrar una bolsa hermética ziplock se consigue en un 40% de los intentos.
- En el Apollo 2 con manos Inspire, levantar un objeto desde una repisa funciona el 76.3% de las veces, bajando al 45.7% si el objeto está en el suelo.
Estas métricas reflejan que la alineación milimétrica y la presión de los dedos representan un reto pendiente para los modelos de control actuales.
Tres cerebros para la robótica física
El ecosistema se divide en tres herramientas con funciones muy específicas:
El modelo de razonamiento, Gemini Robotics ER 2, actúa como el cerebro supervisor. Recibe las órdenes, planea la secuencia de pasos y coordina a los robots. Este modelo clasifica el avance de una tarea con un 57.4% de precisión y detecta el momento exacto para detener una acción con un 91.3% de acierto.
Por otro lado, Gemini Robotics On-Device 2 es la versión diseñada para ejecutarse localmente dentro del robot, sin requerir conexión a internet. Este sistema puede adaptarse a cuerpos de dos brazos completamente nuevos en unas pocas horas con menos de 200 ejemplos de entrenamiento.
El dilema de seguridad en el laboratorio
El reporte técnico de seguridad de la empresa revela desafíos que van más allá del movimiento. Al evaluar los sistemas con el estándar de pruebas ASIMOV-Agentic, el equipo descubrió un balance crítico difícil de resolver.
Si se configuran los frenos automáticos del robot para reducir las detenciones innecesarias por debajo del 5%, los fallos graves de detención ante humanos se disparan por encima del 40%. En cambio, si se busca un margen de error más seguro, el robot se detiene de manera innecesaria hasta un 25% del tiempo.
Además, la documentación de la API incluye advertencias de privacidad importantes: al procesar video y audio en tiempo real, el sistema puede registrar rostros y voces de personas, por lo que Google solicita a los desarrolladores notificar a quienes ingresen al área de operación y aplicar tecnologías de difuminado.
Contexto político y disponibilidad
La llegada de este software coincide con un panorama geopolítico complejo. La Comisión Federal de Comunicaciones de Estados Unidos (FCC) incluyó los robots humanoides extranjeros en su lista de equipos con riesgo para la seguridad nacional, una medida orientada principalmente a frenar el avance de China en este sector. Actualmente, China cuenta con más de dos millones de robots industriales en operación, superando por mucho el despliegue estadounidense.
Mientras tanto, el software de razonamiento ER 2 ya está disponible para desarrolladores globales en la API de Gemini y Google AI Studio. Sin embargo, los modelos encargados del movimiento físico y el control corporal siguen bajo acceso anticipado con lista de espera reservada. El cerebro digital avanza rápido, pero las manos del hardware aún deben aprender a sujetar el mundo físico.
