Modelos de IA
Un humanoide con Gemini Robotics 2.5 clasificó piezas en líneas de Mercedes con un 96 % de acierto, y Gemini 4 Argon ayudó a entrenarlo
Google DeepMind presentó el 10 de noviembre Gemini Robotics 2.5, su modelo de visión, lenguaje y acción, probado en más de 200 tareas. Qué pasó en las fábricas de Mercedes-Benz con Apptronik, cómo usaron Argon como simulador y quién puede usarlo: de momento, solo sus socios.
Un robot en una línea de producción real
De todas las demos de Gemini Robotics 2.5, la que más llama la atención no es doblar ropa, aunque también lo hace. Es una fábrica. Humanoides Apollo 2 de Apptronik trabajaron con el nuevo modelo de Google DeepMind en líneas de producción en marcha de Mercedes-Benz, en Sindelfingen (Alemania) y Kecskemét (Hungría). Su tarea era el kitting: sacar soportes metálicos sueltos de cajas a granel y colocarlos en bandejas en el orden que necesita cada vehículo. Consiguieron un 96 % de éxito.
El reparto es interesante. Gemini Robotics ER, el modelo de razonamiento, seguía el flujo de trabajo. Gemini Robotics 2.5 controlaba manos y brazos. Según el consejero delegado de Apptronik, los modelos mejoraron en unas pocas semanas de post-entrenamiento.
El 96 % hay que leerlo con su etiqueta: DeepMind lo presenta como prueba de concepto. No publica cuánto duró, cuántas piezas movió ni qué pasó en el 4 % restante.
Doscientas tareas y saltos desde cero
Gemini Robotics 2.5 es un modelo de visión, lenguaje y acción, de los que traducen lo que ven y lo que se les pide en movimientos del robot. DeepMind lo evaluó en más de 200 tareas distintas. Frente a las versiones anteriores, dice que sube la tasa de éxito entre un 30 % y un 100 % según el tipo de tarea y termina entre un 20 % y un 30 % más rápido. Son mejoras relativas, sin la base absoluta en el texto.
Los ejemplos concretos sí dan una idea del salto, porque varias tareas pasan de imposibles a posibles.
| Tarea (según DeepMind) | Gemini Robotics 2 | Gemini Robotics 2.5 |
|---|---|---|
| Cerrar la tapa de una caja de herramientas | 0 % | 93 % |
| Empaquetar pasteles con pinzas | 5 % | 100 % |
| Deshacer lazos de cinta | 0 % | 70 % |
| Colgar una chaqueta de punto | 0 % | 62 % |
| Barrer basura al recogedor | 0 % | 52 % |
| Doblar pantalones | 0 % | 40 % |
Argon como simulador de prácticas
La parte más interesante para quien sigue la investigación es cómo se entrenó. Norman Di Palo, de DeepMind, lo presentó en X como el primer modelo de robótica muy acelerado por Gemini 4 Argon. Argon hizo de motor de simulación: a partir de la imagen real de una cámara construye un gemelo digital y genera miles de prácticas simuladas con variaciones. DeepMind las combinó con demostraciones reales para que el robot generalice a escenas y objetos nuevos.
Argon también ayuda cuando algo falla. Mira el vídeo del intento, propone hipótesis sobre la causa y prueba la corrección en simulación y en robots reales. Es decir, un modelo general acelera el desarrollo de uno especializado. La promesa es necesitar menos demostraciones humanas por cada habilidad nueva, aunque DeepMind no cuantifica ese ahorro.
Seguridad cerca de personas
En un robot, un error no es una respuesta mala sino un golpe. DeepMind añade razonamiento en tiempo de inferencia para esquivar peligros físicos, y en sus evaluaciones eso aumenta un 33 % las tareas completadas con seguridad cerca de obstáculos y un 43 % cerca de personas. También publica ASIMOV-Jailbreak, un benchmark abierto con cientos de peticiones peligrosas disfrazadas en decenas de escenas. Argon resiste el 99,5 % de esos intentos, frente al 82 % de Gemini Robotics ER 2.
Quién puede usarlo y qué esperar
Gemini Robotics 2.5 se está desplegando entre los socios de robótica de Google, entre ellos Agile, Apptronik y Mercedes-Benz. No hay API pública ni programa abierto anunciado. Si tu empresa no es socia, hoy no puedes probarlo.
Un ejemplo hipotético: una planta que prepara kits de piezas para montaje podría usar esta noticia para ordenar sus pruebas, no para comprar robots. Empezaría por medir su propia tasa de error y el coste de un fallo en esa estación, porque un 96 % en una prueba de concepto puede ser excelente o insuficiente según lo que cueste recolocar una pieza mal puesta.
La lectura de fondo es que la robótica general ya sale de la demo de laboratorio y entra en líneas reales, aunque sea en pilotos. Y que los grandes modelos de lenguaje empiezan a acortar el tiempo de entrenamiento de los robots. Lo segundo probablemente importará más que cualquier porcentaje de esta semana.