El nuevo modelo para robots de Google DeepMind es su intento más claro hasta ahora de mostrar robots de uso general haciendo trabajo real y no demostraciones de laboratorio. Gemini Robotics 2.5 es un modelo de visión, lenguaje y acción, es decir, recibe imágenes de cámara e instrucciones y devuelve movimientos, y la prueba principal viene de la planta de una fábrica de coches más que de una tabla de benchmarks.
DeepMind dice que evaluó el modelo en más de 200 tareas distintas, como servir comida con pinzas, hacer un lazo en una caja de regalo o pipetear un líquido. Frente a sus referencias anteriores, la tasa de éxito subió entre un 30% y un 100% según el tipo de tarea, y las tareas se completaron entre un 20% y un 30% más rápido. El modelo funciona en cuerpos distintos, como el humanoide Apollo 2 de Apptronik con mano de cinco dedos y el Franka Duo de dos brazos con pinzas sencillas.
El resultado más concreto es una prueba piloto con Apptronik y Mercedes-Benz en las plantas de Kecskemét, en Hungría, y Sindelfingen, en Alemania. Los robots Apollo 2 hicieron preparación de kits: tomar soportes metálicos de contenedores a granel y colocarlos en bandejas en el orden que necesita cada coche de la línea. Alcanzaron un 96% de éxito, con un modelo de razonamiento aparte, Gemini Robotics ER, siguiendo el flujo de trabajo mientras 2.5 controlaba brazos y manos. En seguridad, la guía de razonamiento en tiempo de ejecución aumentó la realización segura de tareas en un 33% cerca de obstáculos y en un 43% cerca de personas, y DeepMind publicó ASIMOV-Jailbreak, un benchmark abierto con cientos de prompts que esconden peticiones peligrosas. En él, Gemini 4 Argon resistió el 99,5% de los intentos frente al 82% del anterior Gemini Robotics ER 2.
La relación con nuestra reseña de Gemini 4 Argon es directa. DeepMind atribuye a Argon haber acelerado el desarrollo al generar miles de ensayos simulados a partir de una sola escena real de cámara y al ayudar a los investigadores a diagnosticar fallos a partir de vídeo. Si eso se confirma, el cuello de botella en robótica pasa de recoger datos físicos a lo bien que un modelo general sepa imaginarlos.
Casi nada de esto puede comprobarse desde fuera. Todas las cifras proceden de evaluaciones de DeepMind frente a sus propios modelos anteriores, y el rango del 30% al 100% es demasiado amplio para decir mucho de una tarea concreta. El modelo solo se está distribuyendo a socios de robótica, así que los desarrolladores independientes no pueden probarlo. Un 96% de éxito es un buen piloto, pero una línea de producción suele exigir más fiabilidad antes de que un robot sustituya a una persona en un puesto, y el anuncio no da cifras de velocidad frente a trabajadores humanos ni de coste.