Google DeepMind ha presentato Gemini Robotics 2, la nuova generazione di modelli di physical AI progettata per dare ai robot un controllo intelligente dell'intero corpo. L'annuncio del 30 luglio 2026 segna il passaggio da sistemi focalizzati sulla manipolazione della parte superiore a una vera intelligenza full-body capace di camminare, accovacciarsi, allungarsi e manipolare oggetti delicati in ambienti reali.
Il sistema si articola in tre modelli complementari. Gemini Robotics 2 è il vision-language-action (VLA) più avanzato: riceve input visivi e linguistici e li traduce direttamente in comandi motori, controllando humanoid completi dai piedi alle dita delle mani. Gemini Robotics ER 2 funge da cervello di alto livello: ragiona sullo spazio fisico, pianifica task multi-step della durata di diversi minuti, monitora il progresso in tempo reale e coordina team di robot eterogenei. Gemini Robotics On-Device 2 è la versione leggera ottimizzata per girare localmente sull'hardware del robot, senza dipendere dalla rete.
Controllo full-body e destrezza avanzata
A differenza della generazione precedente, limitata principalmente alla parte superiore del corpo, Gemini Robotics 2 coordina movimenti dell'intero humanoid. Nei demo ufficiali l'Apptronik Apollo 2 riceve istruzioni in linguaggio naturale del tipo "metti l'annaffiatoio nel cestino verde sullo scaffale in basso". Il robot cammina fino al tavolo, afferra l'oggetto, si sposta e lo depone con precisione.
La destrezza è un altro salto significativo. Il modello controlla mani a cinque dita con 22 gradi di libertà (SharpaWave) per azioni fini come legare nodi o sigillare sacchetti zip-lock, e gripper paralleli a due dita per operazioni di packing stretto. Lo stesso checkpoint del modello riesce a pilotare embodiment diversi: Apollo 2 con mani SharpaWave, Apollo 2 con mani Inspire e sistemi bi-braccio Franka con gripper Robotiq.
Metriche di ragionamento embodied
Gemini Robotics ER 2 introduce progressi concreti nella comprensione video e nella pianificazione. Su task di progress classification (assegnare frame di un video a cinque livelli di completamento) raggiunge il 57,4% di accuratezza, superando i modelli della generazione precedente e diversi frontier model. Sul momento-finding (individuare il frame esatto di un evento critico) ottiene il 91,3% di accuratezza con un errore medio assoluto di 0,96 secondi, operando a una frazione del costo computazionale e con latenza sub-secondo, requisito essenziale per la sicurezza in ambienti fisici.
Il modello monitora feed video continui, rileva se un passaggio è fallito, si auto-corregge e decide quando passare al passo successivo. Può anche invocare tool nativi (Google Search o funzioni definite dall'utente) e orchestrare interfacce di controllo di basso livello. Nei test di multi-robot collaboration, robot di tipologie diverse (humanoid e braccia fisse) si passano task attraverso una comprensione semantica condivisa.
Adattamento rapido e disponibilità
Gemini Robotics On-Device 2 è progettato per funzionare localmente. Si adatta a un nuovo embodiment – anche con morfologia, sensori e gradi di libertà molto diversi – in poche ore di dati, tipicamente con meno di 200 esempi. La capacità multi-embodiment ereditata dalla versione 1.5 consente il trasferimento di motion tra robot differenti senza specializzazione completa del modello.
Gemini Robotics ER 2 è già disponibile in preview pubblica su Google AI Studio e tramite Gemini API (endpoint gemini-robotics-er-2-preview e versione streaming). I modelli VLA e On-Device restano in accesso anticipato per partner e trusted tester. DeepMind collabora attivamente con Apptronik, Boston Dynamics e Agile Robots.
Sicurezza collaborativa
Il Safety Technical Report sottolinea un approccio a più livelli. Oltre alle protezioni hardware tradizionali (e-stop, limiti di forza e velocità), ER 2 rifiuta task che violano vincoli operativi, rileva la prossimità umana e attiva stop protettivi, filtra azioni fuori distribuzione a bassa confidenza e richiede intervento umano in caso di istruzioni ambigue o scene incerte. Sul nuovo benchmark ASIMOV-Agentic il modello mostra accuratezze elevate nel rifiuto di task non sicuri e nel monitoraggio della prossimità umana (fino al 99% di detection in test reali su Apollo 2).
Gemini Robotics 2 rappresenta un passo concreto verso robot generalisti che non eseguono solo task isolati ma coordinano movimenti complessi, collaborano tra loro e operano in sicurezza accanto agli umani. L'obiettivo dichiarato di DeepMind resta la physical AGI: sistemi in grado di affrontare qualsiasi compito fisico che un essere umano può svolgere. I progressi su whole-body control, destrezza e ragionamento multi-step avvicinano quella visione, anche se restano margini di miglioramento su velocità e affidabilità della manipolazione multi-dito più complessa.
Testo: assistito da AI · revisionato da Carlos H. P. Ross
