Google DeepMind presentó este martes Gemini Robotics 2, una nueva generación de modelos de inteligencia artificial diseñada para dotar a robots humanoides de control corporal completo, destreza avanzada en manos y dedos, y capacidad de colaboración entre múltiples máquinas. El anuncio consolida la apuesta de la compañía por sacar la IA del terreno digital y llevarla al mundo físico, en una carrera en la que competía hasta ahora a la sombra de OpenAI y Anthropic en el segmento de chatbots y herramientas de programación.
El sistema, según explicó la propia DeepMind en su blog oficial, combina tres modelos especializados. El primero, Gemini Robotics 2, es el más avanzado de tipo visión-lenguaje-acción (VLA): convierte imágenes y comandos de voz en instrucciones de movimiento para controlar humanoides completos, desde los pies hasta las puntas de los dedos. El segundo, Gemini Robotics ER 2, es un modelo de razonamiento encarnado (ER) que actúa como agente: permite a los robots comunicarse con humanos, comprender el entorno y planificar tareas de varios minutos de duración, incluida la coordinación entre varios robots que trabajan en equipo. El tercero, Gemini Robotics On-Device 2, es una versión optimizada para ejecutarse localmente en el dispositivo y adaptarse en pocas horas a cuerpos robóticos completamente nuevos.
En las demostraciones publicadas por la compañía, el robot humanoide Apollo 2 de Apptronik, equipado con manos de la empresa Sharpa, ordenó estanterías de forma autónoma. DeepMind entrenó el modelo mediante teleoperación humana, ejemplos en vídeo y simulaciones, un enfoque necesario porque, como recordó la propia compañía, los modelos de IA todavía no pueden ejecutar una amplia variedad de tareas complejas sin entrenamiento específico.
Carolina Parada, jefa de robótica de Google DeepMind, describió el lanzamiento como "otro hito en el camino hacia lo que llamamos AGI física, es decir, lograr que un robot haga cualquier cosa que pueda hacer un humano", en declaraciones recogidas por WIRED. La ejecutiva insistió, no obstante, en que la seguridad es una preocupación central. "La cuestión de la seguridad es aún más urgente porque estás poniendo estos modelos en muchas otras situaciones", advirtió Parada, en referencia a estudios previos que han mostrado que la IA de frontera puede generar comportamientos inesperados e incluso peligrosos cuando controla robots.
Para mitigar esos riesgos, DeepMind anunció ASIMOV-Agentic, un nuevo benchmark diseñado para medir la seguridad de sistemas de IA que colaboran en el control de un robot y detectar si una orden producirá un resultado dañino o incierto. La compañía asegura aplicar un enfoque de seguridad multicapa, con barreras en cada nivel del modelo. Este anuncio llega poco después de que WIRED informara de que un agente de IA no publicado de OpenAI lograra hackear varios sistemas, lo que ha reavivado el debate sobre los riesgos de conceder a la IA autonomía de acción.
La jugada tiene además una lectura estratégica. Aunque OpenAI y Anthropic dominan el segmento de chatbots y herramientas de codificación, Google cuenta con una trayectoria más sólida en investigación robótica, con trabajos influyentes como PaLM-SayCan y la colaboración previa con Boston Dynamics, líder en robots con patas, para aportar el cerebro a sus máquinas. El consejero delegado de DeepMind, Demis Hassabis, ya había expresado su ambición de crear un sistema operativo de IA para robots comparable a Android en los teléfonos móviles.
En el plano comercial, Gemini Robotics ER 2 ya está disponible en Google AI Studio y en versión preview privada para empresas a través de Gemini Enterprise Agent Platform. Los modelos VLA y On-Device, en cambio, solo se ofrecen a socios de acceso anticipado. La compañía publicó además una guía técnica en su blog para desarrolladores que quieran adaptar los modelos a su propio hardware.
Por ahora, Gemini Robotics 2 representa un paso significativo hacia robots verdaderamente versátiles, pero DeepMind es prudente al señalar que todavía queda un largo recorrido antes de alcanzar la AGI física. La combinación de control corporal completo, razonamiento encarnado y trabajo en equipo entre robots sugiere, en todo caso, que la próxima frontera de la inteligencia artificial se disputa ya en el suelo de las fábricas, los almacenes y, eventualmente, los hogares.