Google DeepMind Lança o Gemini Robotics 2

Desde o lançamento da versão 1.5, passou quase um ano. Este é um intervalo considerável pelos padrões atuais. Vejamos o que a Google alcançou durante este período.

O aspeto mais importante é o modelo VLA (Vision-Language-Action), que agora controla todo o corpo humanoide, desde os dedos dos pés até às pontas dos dedos, e não apenas a parte superior do corpo. As mãos possuem destreza motora fina com 22 graus de liberdade. Não se pode afirmar que o robô seja super ágil (a taxa de sucesso em tarefas de multi-dedos ronda os 30-40%), mas trata-se de um progresso significativo.

Por cima do modelo VLA, existe também o orquestrador Gemini Robotics ER 2. Este é um modelo gerativo separado, funcionando essencialmente como um VLM (Vision-Language Model). Ou seja, enquanto o VLA emite comandos motores prontos, o ER opera num nível superior, realizando raciocínio, decompondo tarefas em subtarefas, reconhecendo objetos e as suas coordenadas, entre outros trabalhos "inteligentes".

Este modelo foi também significativamente aprimorado e possui uma funcionalidade distintiva: coordena o trabalho de vários tipos diferentes de robôs para cumprir uma única tarefa. Além disso, o ER pode agora intervir nas ações do VLA em qualquer fase da execução da tarefa, o que é crítico para a autocorreção.

Outro modelo introduzido nesta geração é o Gemini Robotics On-Device 2 – um VLA leve para inferência local.

A principal distinção do Gemini Robotics é a sua versatilidade. Os modelos são treinados com dados heterogéneos de múltiplas incorporações (multi-embodiment), permitindo que funcionem em diversos tipos de robôs sem necessidade de ajuste fino. O GR2 On-Device leva esta propriedade a um nível prático: pode pegar neste modelo e, em apenas algumas horas e com cerca de 200 demonstrações, fazê-lo funcionar bem em qualquer novo corpo físico (com sensores personalizados, graus de liberdade, cinemática, etc.).

Adicionalmente, numa reviravolta interessante, a Google criou o primeiro benchmark para avaliar a segurança de robôs, nomeando-o ASIMOV-Agentic. Naturalamente, afirmaram que o seu modelo é "o mais seguro do mundo" segundo este teste.