Google dio a conocer Gemini Robotics ER 2, una nueva generación de su modelo de inteligencia artificial para robótica que apunta a resolver uno de los mayores desafíos de estos sistemas: tomar decisiones mientras interactúan con el mundo físico. La actualización busca que los robots comprendan lo que ocurre a su alrededor en tiempo real, ajusten sus acciones sobre la marcha y colaboren entre sí para completar tareas más complejas.
La compañía describe a Gemini Robotics ER 2 como un “cerebro” de alto nivel. Su función no es mover directamente al robot, sino interpretar el entorno, planificar los pasos necesarios y coordinar la ejecución mediante modelos especializados de visión, lenguaje y acción.
Una de las novedades es que el modelo analiza de forma continua la señal de video que recibe el robot. Gracias a ello puede verificar si una tarea avanza correctamente, detectar errores durante la ejecución y decidir cuándo continuar con el siguiente paso sin necesidad de reiniciar todo el proceso.
El sistema también puede utilizar herramientas externas de manera nativa, entre ellas la Búsqueda de Google, además de otras funciones que definan los desarrolladores para ampliar las capacidades del robot según cada aplicación.
Robots que trabajan en equipo
Otra de las incorporaciones es la posibilidad de coordinar varios robots al mismo tiempo. La propuesta permite que diferentes máquinas compartan información, distribuyan tareas y colaboren en un mismo espacio, algo pensado para actividades que un solo robot no podría completar de forma eficiente.
Google explica que los desarrolladores pueden conectar Gemini Robotics ER 2 con interfaces de control de bajo nivel, modelos de visión, lenguaje y acción, sistemas de navegación y transmisiones de video, audio o texto. El modelo actúa como un orquestador que coordina todas esas herramientas para ejecutar tareas de varios pasos.
La empresa asegura que esta versión mejora el desempeño de Gemini Robotics ER 1.6 en distintos modos de control, incluyendo robots reales, simulaciones y operaciones con intervención humana.
Otro avance está relacionado con la comprensión del progreso de una tarea. El modelo clasifica el estado de ejecución a partir del análisis continuo del video y determina cuánto falta para finalizar una actividad. Esto le permite corregir errores durante el proceso sin comenzar desde cero.
Te puede interesar: Así funciona Vulcan, el robot de Amazon que puede sentir objetos
También incorpora una función para identificar el momento exacto en el que ocurre una acción importante, como detener el llenado de una taza de café o confirmar que una bombilla quedó correctamente instalada antes de continuar con el siguiente paso.
Google afirma que Gemini Robotics ER 2 amplía además sus capacidades de razonamiento espacial. Entre ellas están la detección de fallos durante la ejecución mediante video, la lectura de diferentes tipos de instrumentos —desde pantallas digitales hasta reglas o termómetros— y una mejor comprensión de preguntas relacionadas con el entorno físico.
La seguridad ocupa otra parte de la actualización. Según la compañía, el modelo mejora el seguimiento de instrucciones relacionadas con restricciones físicas y la detección de personas cercanas. En las pruebas realizadas, el sistema detiene automáticamente a un robot humanoide cuando alguien entra en su área de trabajo y reanuda la actividad cuando el espacio vuelve a estar despejado.
Gemini Robotics ER 2 ya está disponible para desarrolladores a través de la API de Gemini y Google AI Studio. Además, se ofrece en versión preliminar privada dentro de Gemini Enterprise Agent Platform, donde los equipos pueden comenzar a crear aplicaciones para robots capaces de desenvolverse en entornos físicos cada vez más complejos.
