Robotica e IA fisica
Google Lancia Gemini Robotics ER 2 Con Lavoro Di Squadra Multi-Robot
Aggiungi Unite.AI alle tue fonti preferite su Google
Google ha lanciato Gemini Robotics ER 2, un modello di ragionamento incorporato progettato per servire come pianificatore di alto livello per un robot mentre un modello separato gestisce i motori. È disponibile per gli sviluppatori tramite l’API Gemini e Google AI Studio, con accesso alla versione privata sulla piattaforma Gemini Enterprise Agent.
ER 2 accetta video, immagini, audio e testo, ragiona sulla scena, pianifica un’attività che dura diversi minuti, quindi chiama qualcos’altro per muovere l’hardware: un modello di visione-linguaggio-azione, un’API di navigazione o una funzione dichiarata al modello come strumento. Può anche chiamare Google Search durante l’attività. La scheda del modello lo descrive come un modello di visione-linguaggio basato su Gemini 3.5 Flash, con una finestra di contesto di 128.000 token e fino a 64.000 token di output.
Sostituisce Gemini Robotics-ER 1.6, rilasciato il 14 aprile 2026, che ha aggiunto la lettura degli strumenti (interpretazione di un manometro o di un vetro di vista chimica), una funzionalità che Google ha sviluppato con Boston Dynamics per le ispezioni di facoltà. ER 2 estende questa funzionalità ai display digitali, scale lineari, regoli e termometri a liquido, testati su 10 tipi di strumenti.
Cosa aggiunge il video continuo
Il cambiamento sostanziale è che ER 2 ragiona su un flusso video live anziché su fotogrammi statici, il che gli consente di giudicare qualcosa che ha limitato silenziosamente l’autonomia del robot: se un passo è finito.
Due capacità derivano da questo. La classificazione dei progressi chiede al modello di ordinare ogni fotogramma di un flusso in una delle cinque bande di completamento, dal 0-20% all’80-100%; Google riporta un’accuratezza del 57,4%. La ricerca del momento chiede di individuare esattamente il fotogramma in cui si verifica un evento critico, come il punto in cui una tazza è abbastanza piena da smettere di versare. L’azienda riporta un’accuratezza del 91,3% in questo compito con un errore medio di 0,96 secondi e afferma che il modello lo consegna a una velocità di esecuzione di circa quattro volte superiore a quella di modelli molto più grandi per una frazione del calcolo.
La temporizzazione inferiore a un secondo è la parte che conta su una macchina reale. Un robot che può dire che un passo è al 60% o ha fallito del tutto può ritentare quel passo invece di riavviare il flusso di lavoro o aspettare un operatore. ER 2 trasmette tramite l’endpoint bidirezionale dell’API Gemini Live, che è il modo in cui Google mantiene il ciclo di ragionamento senza inserire pause di stop-and-think tra le azioni. Ottenere una latenza di inferenza sufficientemente bassa per il controllo fisico è lo stesso vincolo che spinge i fornitori di robotici verso silicon dedicati sul robot e modelli in tempo reale su una sola GPU.
Due robot, un lavoro
La nuova capacità è la collaborazione multi-robot: diverse macchine condividono una comprensione semantica di un’attività e passano il lavoro tra loro, sulla base del ragionamento che una base su ruote e una coppia di gambe sono adatte a diverse parti dello stesso lavoro. La dimostrazione di DeepMind accoppia Apptronik’s Apollo 2 umanoide con una piattaforma bi-braccio Franka Duo. Una seconda demo ha ER 2 che guida le API di navigazione e manipolazione su Spot di Boston Dynamics per recuperare un oggetto su un comando vocale.
Tutto ciò funziona su hardware che Google non costruisce, che è il modo in cui funziona ora la maggior parte di questo mercato: il modello proviene da un laboratorio di frontiera e le braccia, le gambe e le pinze provengono da partner, la stessa divisione dietro cobot maker che corteggia gli sviluppatori di modelli di base e piattaforme di stack di intelligenza artificiale incorporata.
ER 2 è arrivato come parte di una famiglia di tre modelli. Il post di ricerca companion del team Gemini Robotics copre Gemini Robotics 2, un modello di azione che controlla umanoidi completi dalle gambe alle dita, e Gemini Robotics On-Device 2, che funziona localmente e si adatta a un nuovo robot bi-braccio in poche ore con meno di 200 esempi. Entrambi vanno ai partner di accesso anticipato piuttosto che all’API aperta.
Il team ha anche pubblicato i tassi di successo dietro quel modello di azione, che ha guidato tre diversi corpi di robot da un unico checkpoint. Apollo 2 dotato di mani Inspire ha raccolto oggetti da uno scaffale nel 76,3% dei casi, da un tavolo nel 68,4% e dal pavimento nel 45,7%. Il lavoro a cinque dita con la mano SharpaWave a 22 gradi di libertà è ulteriormente indietro: 92% per svitare una lampadina, 36% per avvitarla, 44% per legare un sacchetto di spazzatura. DeepMind descrive la manipolazione dexterous multi-dita come ancora impegnativa, il che stabilisce un utile segno per chiunque valuti le pretese di capacità umanoide.
Limiti di sicurezza e primi dispiegamenti
Google riporta guadagni sui benchmark di sicurezza e prossimità umana e afferma che ER 2 ferma un umanoide quando una persona si avvicina, quindi riprende da solo una volta che l’area è chiara. DeepMind chiama l’arresto per un umano vicino un requisito chiave negli standard di sicurezza collaborativa, e si tratta di un requisito solitamente soddisfatto nel hardware piuttosto che nel modello di pianificazione: il design di Apollo 2 stesso pausa del movimento quando un oggetto entra nel suo raggio di impatto definito.
DeepMind ha anche rilasciato ASIMOV-Agentic, un benchmark per determinare se un modello di ragionamento si comporta in modo sicuro come orchestratore: rifiutando chiamate di strumenti non sicuri dal modello di azione, giudicando se un’attività è fisicamente fattibile e chiedendo aiuto umano quando è incerto.
La scheda del modello disegna un confine di distribuzione ferma. Google dice agli sviluppatori di non utilizzare i modelli di robotica per lavori di sicurezza critica, come sanità e trasporto, o ovunque un malfunzionamento potrebbe prevedibilmente causare morte, lesione o danni alla proprietà. Quel linguaggio punta la prima ondata di dispiegamenti verso ispezione, gestione di magazzino e compiti di laboratorio.
Per i costruttori di robot, ER 2 è il livello disponibile per la chiamata dall’API Gemini senza una partnership, rivolto a squadre che già hanno hardware funzionante e hanno bisogno di qualcosa per decidere cosa fare dopo.
