Gemini podía escribir un correo, interpretar una fotografía o explicar cómo cambiar una bombilla. Lo que no podía hacer era acercarse a una lámpara, mantener el equilibrio, extender el brazo y girar esa bombilla sin romperla.
Google DeepMind acaba de reducir esa distancia con Gemini Robotics 2, una nueva familia de modelos diseñada para controlar robots completos. No se trata de introducir el chatbot de Gemini dentro de una carcasa metálica. Es un sistema formado por diferentes capas de inteligencia capaces de observar el entorno, entender una orden, dividirla en pasos y convertir cada decisión en movimientos físicos.
En las demostraciones, el humanoide Apollo 2 de Apptronik camina entre objetos, se agacha, recoge una regadera, organiza estanterías y utiliza manos de cinco dedos para cerrar bolsas o manipular bombillas. Gemini ya no se limita a describir el mundo: empieza a empujarlo, levantarlo y reorganizarlo.
Google no le dio un cuerpo a Gemini: está intentando crear un cerebro compatible con todos
La distinción es importante. Gemini Robotics 2 no es un robot, sino el modelo de visión, lenguaje y acción que controla el hardware. Recibe imágenes, instrucciones y datos de los sensores; después produce las órdenes numéricas que terminan moviendo motores, articulaciones y manos.
Google ha dividido el sistema en tres piezas. Gemini Robotics 2 convierte lo que ve y escucha en movimientos; Gemini Robotics ER 2 funciona como el cerebro de alto nivel que planifica tareas de varios pasos; y Gemini Robotics On-Device 2 puede ejecutarse localmente, sin depender constantemente de una conexión a internet.
La novedad más visible es el control corporal completo. Las versiones anteriores estaban mucho más centradas en brazos y tareas realizadas frente a una mesa. Ahora el modelo puede modificar el centro de gravedad del humanoide, dar pasos, inclinarse o agacharse para alcanzar objetos colocados en el suelo y en diferentes alturas.
Pero el verdadero negocio de Google no parece ser fabricar su propio mayordomo mecánico. Demis Hassabis, CEO de DeepMind, ha explicado que imagina una especie de sistema operativo para robots, similar al papel que Android desempeñó en los teléfonos móviles. La ambición es que una misma inteligencia pueda adaptarse a máquinas de distintos fabricantes, tamaños y formas.
Eso podría ser mucho más importante que construir un único humanoide espectacular. El ganador de la carrera robótica quizá no sea quien venda el cuerpo más elegante, sino quien consiga que miles de cuerpos diferentes puedan aprender utilizando el mismo cerebro.
Las demostraciones parecen ciencia ficción hasta que se miran los porcentajes
Los vídeos muestran tareas resueltas con una fluidez sorprendente, pero no representan un robot capaz de entrar en cualquier casa y descubrir por sí mismo cómo funciona todo. DeepMind entrenó estas habilidades mediante teleoperación humana, simulaciones y ejemplos en vídeo. Las máquinas todavía necesitan preparación específica para muchas tareas complejas.
Los propios resultados publicados por Google introducen una dosis saludable de realidad. Apollo 2 logró desenroscar una bombilla en el 92% de las pruebas, pero solo consiguió enroscarla en el 36%. Atar una bolsa de basura tuvo una tasa de éxito del 44%, cerrar una bolsa hermética llegó al 40% y utilizar un recogedor se quedó en el 32%. DeepMind reconoce que la manipulación con varios dedos sigue siendo especialmente difícil.
En otras palabras, el robot puede atar una bolsa, pero también puede fallar más veces de las que acierta.
Eso no invalida el avance. Una mano humana tiene decenas de articulaciones, modifica constantemente la fuerza y corrige movimientos casi sin que seamos conscientes. Conseguir que una máquina coordine 22 grados de libertad mientras observa un objeto deformable es un problema extraordinariamente difícil.
La mejora más interesante puede estar en otra parte: Gemini Robotics ER 2 intenta determinar si una tarea realmente ha terminado. El modelo analiza vídeo continuo, sigue el progreso y puede repetir un paso cuando detecta que algo salió mal. También permite que dos robots compartan información y se repartan partes de un mismo trabajo.
Un robot útil no necesita acertar siempre a la primera. Necesita darse cuenta de que no ha acertado.
Una alucinación en un chatbot molesta; una alucinación con brazos puede hacer daño
Cuando una IA inventa una fecha, el usuario puede corregirla. Cuando interpreta mal una orden mientras sostiene una herramienta, el error abandona la pantalla.
DeepMind asegura haber aplicado varias capas de seguridad, desde controles físicos tradicionales hasta modelos capaces de detectar la proximidad de una persona y detener el robot. También presentó ASIMOV-Agentic, un banco de pruebas que comprueba si el sistema rechaza instrucciones inseguras, activa paradas protectoras, identifica tareas físicamente imposibles o pide ayuda humana cuando una orden resulta ambigua.
El nombre resulta apropiado, pero un benchmark no equivale a una garantía. Las casas, fábricas y hospitales contienen niños, animales, líquidos, objetos frágiles y situaciones que ningún laboratorio puede reproducir por completo. Cuanto más general sea el robot, mayor será el número de circunstancias inesperadas que deberá resolver.
Gemini Robotics 2 no es todavía un ser con cuerpo. Es algo quizá más relevante: el intento de separar la inteligencia robótica de una máquina concreta y convertirla en una plataforma.
Google ya hizo algo parecido cuando puso Android en teléfonos que no fabricaba. Ahora quiere repetir la jugada en un mercado donde un fallo de software no solo bloquea la pantalla. Puede caminar hacia nosotros, levantar cinco kilos y creer que ha terminado una tarea cuando todavía sostiene la bombilla.
