Google DeepMind lanza Gemini Robotics 2.5, probado en las cadenas de Mercedes-Benz con un 96% de éxito

Google DeepMind quiere sacar los robots del laboratorio. El laboratorio presentó el 10 de noviembre Gemini Robotics 2.5, al que describe como su modelo de visión-lenguaje-acción (VLA) más capaz: un modelo que observa la escena, comprende una instrucción y controla directamente los brazos y las manos de un robot. El modelo se está desplegando actualmente entre los socios de robótica de Google, sin que se haya anunciado ningún acceso público.

Más tareas, más rápido

Google DeepMind afirma haber evaluado Gemini Robotics 2.5 en más de 200 tareas distintas, seleccionadas para combinar el uso de herramientas, la manipulación de objetos flexibles y gestos delicados: servir comida con pinzas, atar una cinta en un paquete de regalo o pipetear un líquido. En comparación con sus referencias anteriores, el laboratorio anuncia una tasa de éxito de un 30% a un 100% superior según el tipo de tarea, y tareas ejecutadas entre un 20% y un 30% más rápido.

Al igual que las versiones anteriores, el modelo no está vinculado a un robot concreto. Google DeepMind lo muestra en el humanoide Apollo 2 de Apptronik, equipado con una mano SharpaWave de cinco dedos y 22 grados de libertad, y en la plataforma de dos brazos Franka Duo, que solo cuenta con pinzas paralelas.

Una prueba en fábrica en Mercedes-Benz

El resultado más tangible proviene de una prueba de concepto junto a Apptronik y Mercedes-Benz, en líneas de producción activas en Kecskemét (Hungría) y en Sindelfingen (Alemania). Allí, Apollo 2 realiza tareas de kitting: toma soportes metálicos de cajas a granel y los coloca en cajas de secuenciación, en el orden exacto en que los necesitará cada vehículo. Un modelo de razonamiento, Gemini Robotics ER, supervisa el desarrollo de la tarea; Gemini Robotics 2.5 pilota las manos y los brazos. Según Google DeepMind, el robot alcanza allí un 96% de éxito. El director ejecutivo de Apptronik, Jeff Cardenas, afirma que los modelos «avanzaron de forma espectacular en pocas semanas» de ajuste y se trasladaron a la fábrica «con muy pocas pérdidas».

La seguridad, medida mediante un nuevo test abierto

El modelo emplea una guía mediante razonamiento en tiempo de ejecución para sortear los peligros físicos en tiempo real. En las evaluaciones del laboratorio, la realización segura de las tareas progresa un 33% alrededor de obstáculos y un 43% cerca de personas. Google DeepMind también publica en código abierto ASIMOV-Jailbreak, un banco de pruebas de varios cientos de solicitudes que camuflan peticiones peligrosas en decenas de escenas. No obstante, la cifra destacada corresponde a Gemini 4 Argon, su modelo generalista, que resiste el 99,5% de estos intentos, frente al 82% del anterior Gemini Robotics ER 2.

Un modelo de lenguaje para generar los datos

Gemini 4 Argon también ha servido como acelerador. A partir de una única toma de cámara real, genera un gemelo digital y miles de repeticiones simuladas, que luego se combinan con demostraciones reales. Asimismo, ayuda a los investigadores a formular hipótesis sobre los fallos a partir de los vídeos, para probar posteriormente correcciones tanto en simulación como en los propios robots.

Lo que queda por verificar

Todas las cifras proceden de Google DeepMind y de sus socios: no se ha publicado ninguna evaluación independiente. La entrada del blog no precisa la duración del ensayo en Mercedes-Benz, el volumen de piezas procesadas ni la cadencia respecto a un operario. Tampoco proporciona precios, API pública ni calendario de apertura, y nada apunta a que los pesos vayan a publicarse.