Los robots industriales son eficientes cuando deben repetir una acción previamente programada. El problema aparece cuando cambia la posición de un objeto, una puerta queda cerrada o una persona interrumpe el espacio de trabajo. Esas situaciones exigen interpretar el entorno y tomar decisiones, dos capacidades que Google quiere trasladar desde sus modelos de inteligencia artificial al mundo físico.
La compañía presentó Gemini Robotics ER 2, su modelo de razonamiento incorporado más avanzado hasta ahora. Su función es actuar como el “cerebro” de alto nivel de un robot: recibe instrucciones, observa lo que ocurre mediante video, divide el objetivo en pasos y supervisa su ejecución hasta completar la tarea.
La diferencia frente a generaciones anteriores está en que el modelo no se limita a elaborar un plan inicial. ER 2 puede seguir el progreso mientras la acción ocurre, detectar si algo salió mal y ordenar que el robot repita o modifique un paso específico.
UN MODELO QUE OBSERVA LA TAREA COMPLETA
Las tareas del mundo real rara vez consisten en un único movimiento. Ordenar una habitación, guardar objetos o cargar un lavavajillas implica localizar elementos, decidir en qué orden manipularlos y comprobar que cada acción fue realizada correctamente.
Gemini Robotics ER 2 utiliza video continuo para mantener una representación actualizada de lo que sucede. El modelo puede determinar cuándo comienza y termina una tarea, además de identificar el momento exacto en que ocurre un evento importante.
Si un objeto cae, queda mal ubicado o no puede ser recogido, el sistema reconoce que el resultado no coincide con el objetivo. A partir de esa información puede replantear la secuencia sin reiniciar todo el proceso.
Google asegura que ER 2 puede coordinar tareas de varios minutos que requieren cientos de decisiones. Esto representa un avance frente a los robots que necesitan pausas frecuentes para recibir nuevas instrucciones o confirmar manualmente cada etapa.
DEL RAZONAMIENTO AL MOVIMIENTO
ER 2 no controla directamente cada articulación. Su trabajo consiste en interpretar la instrucción, comprender el entorno y determinar cuál debería ser la próxima acción.
Para ejecutar los movimientos, puede coordinarse con modelos de visión, lenguaje y acción, conocidos como VLA, además de utilizar herramientas y APIs conectadas al sistema robótico.
Google presentó esta tecnología como parte de una familia compuesta por tres modelos:
- Gemini Robotics 2: transforma información visual y órdenes escritas o habladas en movimientos físicos.
- Gemini Robotics ER 2: razona, planifica, conversa con las personas y supervisa tareas prolongadas.
- Gemini Robotics On-Device 2: ejecuta acciones directamente en el robot para reducir la dependencia de internet y evitar retrasos de conexión.
La separación permite que ER 2 decida qué debe hacerse mientras los modelos de acción traducen esa decisión en desplazamientos, movimientos de brazos o manipulación de objetos.
ROBOTS QUE PUEDEN TRABAJAR EN EQUIPO
Otra de las novedades es la colaboración entre varios robots. El modelo puede distribuir partes de una tarea entre máquinas con capacidades diferentes y coordinar su progreso.
Esto podría aplicarse en bodegas, fábricas, centros logísticos o espacios de mantenimiento donde un solo robot no tenga las herramientas necesarias para completar todo el proceso.
En una demostración, distintos tipos de robots colaboraron para ordenar un entorno. El sistema asignó las acciones de acuerdo con la movilidad y los mecanismos de manipulación disponibles en cada máquina.
La posibilidad es relevante porque la industria robótica no utiliza un único cuerpo estandarizado. Existen robots humanoides, plataformas móviles, brazos industriales y sistemas con pinzas o manos de varios dedos. Un modelo capaz de razonar por encima de esas diferencias podría reducir el trabajo necesario para programar cada máquina por separado.
MÁS ATENCIÓN CUANDO HAY PERSONAS CERCA
Permitir que un robot tome decisiones físicas también aumenta los riesgos. Una respuesta equivocada en una aplicación de texto puede corregirse; un movimiento incorrecto de una máquina pesada puede provocar un accidente.
Gemini Robotics ER 2 mejora la percepción espacial y el cumplimiento de instrucciones relacionadas con seguridad. El modelo puede detectar cuando una persona entra en su área de operación, ordenar una detención y reanudar la actividad cuando el espacio vuelve a estar despejado.
Google también presentó ASIMOV-Agentic, un sistema de evaluación diseñado para comprobar si un agente rechaza acciones inseguras, reconoce cuándo una tarea no puede completarse y solicita intervención humana cuando no tiene suficiente información.
Estas medidas no sustituyen los sensores, límites físicos ni protocolos de seguridad tradicionales. Funcionan como una capa adicional de razonamiento sobre sistemas que todavía deben cumplir las normas aplicables a cada entorno.
LA ROBÓTICA TODAVÍA TIENE LÍMITES EVIDENTES
Las demostraciones muestran avances en desplazamiento, manipulación y coordinación, pero Google reconoce que todavía existen dificultades.
Los robots continúan moviéndose con menor velocidad y naturalidad que una persona. Las tareas que requieren controlar varios dedos de forma simultánea presentan tasas de éxito inferiores a las realizadas con pinzas convencionales.
También existe una diferencia entre comprender una instrucción y ejecutarla de manera fiable cientos de veces. La iluminación, el peso de los objetos, la calidad de los sensores y las características mecánicas de cada robot pueden modificar el resultado.
Por eso, Gemini Robotics 2 no significa que los robots domésticos de propósito general estén a punto de llegar masivamente a las casas. La tecnología sigue orientada principalmente a desarrolladores, laboratorios y empresas que trabajan con hardware especializado.
DISPONIBILIDAD PARA DESARROLLADORES
Gemini Robotics ER 2 ya está disponible mediante Google AI Studio. También se ofrece en vista previa privada a través de Gemini Enterprise Agent Platform.
Los modelos encargados de controlar directamente los movimientos, incluidos Gemini Robotics 2 y On-Device 2, permanecen limitados a socios con acceso anticipado.
La relevancia del anuncio no está en un nuevo robot que pueda comprarse inmediatamente, sino en la creación de una capa común de inteligencia capaz de observar, planificar y corregir acciones sobre distintos cuerpos.
Hasta ahora, gran parte de la inteligencia artificial generativa ha aprendido a trabajar con palabras, imágenes y videos. El siguiente desafío de Google es comprobar si también puede desenvolverse en un mundo donde cada error tiene consecuencias físicas.