Google presenta una IA que unifica la reflexión y la acción robótica

• La compañía Google ha revelado Gemini Robotics ER 2, su sistema de inteligencia artificial más sofisticado diseñado específicamente para la robótica. Este avance permite que las máquinas interactúen de forma más natural con las personas, gestionen actividades complejas y trabajen en equipo.
• A través de este modelo, la empresa busca maximizar las capacidades de los robots para lograr que el procesamiento de información y la ejecución de movimientos ocurran de manera simultánea y eficiente.

Google ha lanzado Gemini Robotics ER 2, su modelo de inteligencia artificial más avanzado para robótica. La nueva versión ayuda a que los robots puedan interactuar con humanos, coordinar tareas complejas y colaborar entre sí. La compañía confía en que su nuevo modelo servirá para liberar el verdadero potencial de la robótica y avanzar hacia la inteligencia artificial de propósito general.

De acuerdo con una publicación en su web, Gemini Robotics ER 2 funciona como un cerebro de alto nivel para los robots. La nueva actualización permite que las máquinas conversen con personas, entiendan su entorno físico y planifiquen secuencias de acciones de varios pasos. Para conseguirlo, DeepMind ha optimizado la forma como se procesan las acciones y se planean los siguientes pasos.

En lugar de ejecutar los movimientos directamente, Gemini Robotics ER 2 delega ese control a modelos de visión-lenguaje-acción (VLA) de bajo nivel. Esto le permite "pensar" en el siguiente paso mientras el robot ya está actuando. Además, el sistema puede llamar a herramientas externas como la Búsqueda de Google o funciones definidas por el desarrollador, las cuales le ayudarán a completar tareas que requieran información adicional.

Sumado a eso, otra mejora con respecto a su predecesor es cómo la IA procesa el vídeo de manera continua. Este ajuste ayuda a que el robot pueda seguir su propio progreso en una tarea, detectar errores sobre la marcha y saber con precisión cuándo ha terminado una fase antes de pasar a la siguiente. A diferencia de Gemini Robotics ER 1.6, esta versión del modelo ya no necesita reiniciar todo el flujo de trabajo si algo sale mal.

Gemini Robotics ER 2 ayuda a que varios robots colaboren entre sí

Otra novedad de Gemini Robotics ER 2 es la colaboración entre robots. El modelo permite que distintos tipos de máquinas trabajen juntos en espacios compartidos a través de una comprensión semántica común. Google mostró un ejemplo de esta interacción con el robot Franka F3 Duo que colocaba objetos en cajas mientras el Apollo 2 de Apptronik las acomodaba en un estante, una combinación que ninguno de los dos podría completar por separado.

Para reducir las pausas entre acciones, Gemini Robotics ER 2 se integra con la API de Gemini Live. Los ingenieros de DeepMind usan streaming bidireccional diseñado para reducir la latencia, lo cual elimina los cortes en donde el robot se detenía a pensar antes de ejecutar la siguiente acción.

Otro pilar del modelo es la clasificación continua del progreso y la capacidad de identificar cuándo se ha terminado una tarea. En la primera, Gemini Robotics ER 2 asigna a cada fotograma del vídeo un nivel de avance en cinco tramos, del 0 al 100%, con una precisión del 57,4%. Para localizar momentos clave e identificar el fotograma exacto en que ocurre algo crítico, el modelo alcanza un 91,3% de precisión con una distancia media de 0,96 segundos. Según Google, esto es cuatro veces más rápido que cualquier LLM, solo que a una fracción del coste computacional.

La IA puede detectar humanos y detener al robot

Por último, Google señala que Gemini Robotics ER 2 es el modelo más avanzado en cuestión de seguridad. La nueva versión saca un buen tramo a su predecesor en los benchmarks de seguimiento de instrucciones de seguridad y detección de proximidad humana. En pruebas prácticas, el modelo puede detener automáticamente a un robot humanoide cuando detecta una persona cerca y lo reanuda de forma autónoma cuando la zona está despejada.

Gemini Robotics ER 2 ya está disponible para desarrolladores a través de la API de Gemini y Google AI Studio.