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.

La compañía asegura que estas novedades responden a una necesidad frecuente entre quienes desarrollan aplicaciones con IA: reducir tiempos de procesamiento sin sacrificar calidad. La propuesta consiste en combinar ambos modelos dentro de un mismo flujo de trabajo para pasar de una imagen estática a un video animado en pocos pasos.

Nano Banana 2 Lite fue presentado como la versión más rápida y económica de la familia Nano Banana. Está pensado para proyectos que requieren producir un gran volumen de imágenes o trabajar casi en tiempo real. Según Google, puede generar una imagen a partir de una descripción en aproximadamente cuatro segundos y tiene un costo de 0,034 dólares por cada imagen de resolución 1K, lo que representa una alternativa para quienes necesitan optimizar recursos.

El modelo está dirigido principalmente a desarrolladores, aunque también comenzará a integrarse en servicios para usuarios finales como la aplicación Gemini, Google Fotos, NotebookLM, Google Flow, Google Ads y el Modo IA del buscador.

Del boceto al video en una misma plataforma

La segunda novedad es Gemini Omni Flash, un modelo capaz de generar y editar videos utilizando texto, imágenes y clips como referencia. La herramienta permite modificar una escena mediante instrucciones conversacionales y mantener coherencia entre los distintos elementos visuales, una función pensada para agilizar procesos creativos que antes requerían varias aplicaciones.

Por ahora, Omni Flash admite videos de hasta diez segundos y mantiene algunas limitaciones, como la falta de soporte para referencias de audio o la dificultad para conservar completamente la apariencia de un personaje durante ciertos cambios de escena. Google indicó que estas capacidades continuarán evolucionando durante la etapa de vista previa pública.

Uno de los aspectos que la empresa busca impulsar es el uso conjunto de ambos modelos. La idea consiste en generar primero una imagen con Nano Banana 2 Lite y luego convertirla en un video mediante Gemini Omni Flash. Para demostrar estas posibilidades, Google publicó varias aplicaciones de ejemplo, entre ellas una que transforma una fotografía en un recorrido animado por distintos lugares del mundo, otra para visualizar remodelaciones de interiores y una enfocada en crear videos para comercio electrónico a partir de imágenes de productos.

Las personas interesadas en probar estas herramientas pueden acceder desde Google AI Studio o integrarlas mediante la API de Gemini. Google también puso a disposición documentación técnica, guías de uso y ejemplos para facilitar el desarrollo de proyectos basados en estos modelos. Además, el contenido generado incorpora la marca de agua SynthID, un sistema que permite identificar material creado con inteligencia artificial y reforzar la transparencia en su utilización.