O número que importa e 22: os graus de liberdade da mão SharpaWave de cinco dedos que o novo modelo de robótica do Google já consegue acionar num corpo humanoide completo. Em dois textos publicados no dia 30 de julho, o Google DeepMind apresentou o Gemini Robotics 2, seu primeiro modelo visao-linguagem-ação que controla um humanoide inteiro, 'dos pes as pontas dos dedos' nas suas palavras, onde as versões anteriores se limitavam a tarefas de mesa com a parte superior do corpo. Demonstrado no Apollo 2 da Apptronik, o robô caminha ate uma mesa, pega um regador, carrega pela sala e o coloca numa prateleira, depois amarra nos e fecha um saco ziplock com a mão articulada; uma plataforma Franka Duo faz empacotamento compacto com garras de dois dedos.
O segundo modelo e o que os desenvolvedores realmente podem tocar. O Gemini Robotics ER 2 e o cérebro de planejamento: encadeia tarefas de várias etapas que duram minutos e envolvem o que o Google chama de centenas de decisões, corrige sozinho as etapas falhas, chama nativamente ferramentas como o Google Search e se conecta a API Gemini Live para streaming bidirecional. Esta disponível publicamente a partir de hoje pela API do Gemini e pelo Google AI Studio, com uma previa privada na Gemini Enterprise Agent Platform. As avaliacoes do próprio Google alegam 57,4% de precisão na classificação de progresso, 91,3% na localização de momentos com 0,96 segundo de distância absoluta média, a quatro vezes a velocidade de execução de modelos bem maiores, e ele le instrumentos de 10 tipos, de mostradores digitais a termometros de líquido.
Um terceiro modelo, o Gemini Robotics On-Device 2, roda localmente e se adapta ao que o Google chama de corpos de robô completamente novos em poucas horas, tipicamente com menos de 200 exemplos, demonstrado no hardware da Dexmate, SO101 e Trossen. As demos multi-robô emparelham o Apollo 2 com um Franka F3 Duo, e outra mostra o ER 2 orquestrando as APIs do Spot da Boston Dynamics para buscar um lanche por comando de voz, com o código no GitHub. Os parceiros nomeados são Apptronik, Boston Dynamics e Agile Robots. Na segurança, o Google publicou um novo benchmark ASIMOV-Agentic para chamadas de ferramentas inseguras e pedido de intervenção humana, e diz que o ER 2 para um humanoide quando uma pessoa se aproxima e retoma quando o caminho esta livre.
As ressalvas são estruturais. Cada benchmark citado acima e uma avaliação feita pelo Google, e as demonstracoes mostradas aos jornalistas, incluindo a WIRED, foram vídeos pre-gravados, não execuções ao vivo. A divisao de disponibilidade também reduz o anuncio ao tamanho real: dos três modelos, so o ER 2 esta acessivel ao público, enquanto Robotics 2 e On-Device 2 seguem limitados a parceiros de acesso antecipado. Carolina Parada, chefe de robótica do DeepMind, apresenta o lançamento como um marco rumo a 'AGI fisica'. A leitura mais discreta e mais útil para quem constroi: o controle de robos esta virando uma linha da mesma fatura de API que a geração de texto, e a pergunta em aberto desliza de 'o modelo consegue mover o braço' para 'quem tem permissão para executa-lo, e sob qual dossie de segurança'.