La cifra que importa es 22: los grados de libertad de la mano SharpaWave de cinco dedos que el nuevo modelo de robotica de Google ya puede accionar en un cuerpo humanoide completo. En dos articulos publicados el 30 de julio, Google DeepMind presento Gemini Robotics 2, su primer modelo vision-lenguaje-accion que controla un humanoide entero, 'de los pies a las yemas de los dedos' en sus palabras, donde las versiones anteriores se limitaban a tareas de mesa con la parte superior del cuerpo. Demostrado en el Apollo 2 de Apptronik, el robot camina hasta una mesa, agarra una regadera, la lleva al otro lado de la habitacion y la coloca en un estante, luego ata nudos y cierra una bolsa ziplock con la mano articulada; una plataforma Franka Duo hace empaquetado compacto con pinzas de dos dedos.
El segundo modelo es el que los desarrolladores pueden tocar de verdad. Gemini Robotics ER 2 es el cerebro de planificacion: encadena tareas de varios pasos que duran minutos e implican lo que Google llama cientos de decisiones, corrige por si mismo los pasos fallidos, llama nativamente a herramientas como Google Search y se conecta a la API Gemini Live para streaming bidireccional. Esta disponible publicamente desde hoy a traves de la API de Gemini y Google AI Studio, con una vista previa privada en la Gemini Enterprise Agent Platform. Las evaluaciones propias de Google reclaman un 57,4 % de precision en clasificacion de progreso, un 91,3 % en localizacion de momentos con 0,96 segundos de distancia absoluta media, a cuatro veces la velocidad de ejecucion de modelos mucho mayores, y lee instrumentos de 10 tipos, de pantallas digitales a termometros de liquido.
Un tercer modelo, Gemini Robotics On-Device 2, funciona localmente y se adapta a lo que Google llama cuerpos de robot completamente nuevos en pocas horas, tipicamente con menos de 200 ejemplos, demostrado en el hardware de Dexmate, SO101 y Trossen. Las demos multirobot emparejan a Apollo 2 con un Franka F3 Duo, y otra muestra a ER 2 orquestando las API del Spot de Boston Dynamics para traer un tentempie por orden de voz, con el codigo en GitHub. Los socios nombrados son Apptronik, Boston Dynamics y Agile Robots. En seguridad, Google publico un nuevo benchmark ASIMOV-Agentic para llamadas a herramientas inseguras y peticion de intervencion humana, y dice que ER 2 detiene a un humanoide cuando una persona se acerca y reanuda cuando el paso esta libre.
Las salvedades son estructurales. Cada benchmark citado arriba es una evaluacion realizada por Google, y las demostraciones mostradas a los periodistas, incluida WIRED, eran videos pregrabados, no ejecuciones en vivo. El reparto de disponibilidad tambien recorta el anuncio a su tamano real: de los tres modelos, solo ER 2 es accesible al publico, mientras Robotics 2 y On-Device 2 siguen limitados a socios de acceso anticipado. Carolina Parada, jefa de robotica de DeepMind, presenta el lanzamiento como un hito hacia la 'AGI fisica'. La lectura mas discreta es mas util para quienes construyen: el control de robots se esta convirtiendo en una linea de la misma factura de API que la generacion de texto, y la pregunta abierta se desplaza de si el modelo puede mover el brazo a quien tiene permiso para ejecutarlo, y bajo que expediente de seguridad.