Google lança três novos modelos para transformar robôs em 'trabalhadores versáteis': adaptação rápida, controle de corpo inteiro e colaboração em equipe

Em 30 de julho, o Google DeepMind apresentou o Gemini Robotics 2, uma nova versão de sua série de modelos de IA projetada para controlar vários robôs, incluindo humanoides, permitindo que eles se adaptem autonomamente a ambientes imprevisíveis e raciocinem sobre cada ação, desbloqueando assim uma ampla gama de tarefas, como limpar lixo e pegar um regador. A atualização adiciona controle corporal inteligente, destreza avançada e colaboração entre múltiplos robôs, marcando uma nova fase na robótica. O sistema anterior Gemini Robotics podia fazer robôs executarem operações finas, como selar sacos e dobrar origami, mas apenas com braços e mãos robóticas. Os novos modelos podem rodar no dispositivo e se adaptar a corpos robóticos totalmente novos em horas, transferindo habilidades aprendidas entre diferentes plataformas. Eles também permitem que diferentes robôs trabalhem juntos para concluir tarefas mais rapidamente. O Google vê isso como um marco em direção à AGI física, onde robôs podem fazer qualquer coisa que um humano pode. Vídeos de demonstração mostram o humanóide Apptronik Apollo 2 seguindo comandos como colocar um regador em uma caixa verde, e robôs executando tarefas como colocar livros em prateleiras, arrumar pranchas e colocar fitas em um rádio. O sistema suporta mãos de cinco dedos altamente hábeis, como a mão SharpaWave de 22 graus de liberdade no Apollo 2, executando tarefas como dar nós e selar sacos com zíper, bem como garras padrão de dois dedos, como a Franka Duo. O Google relata taxas de sucesso entre 45,7% e 76,3% para três categorias de manipulação de corpo inteiro, de 74,2% a 89,6% para três categorias de garra Franka Duo, e de 32% a 92% para tarefas com múltiplos dedos. Os vídeos mostram robôs totalmente autônomos, contrastando com o Optimus de Elon Musk, que supostamente usou operadores remotos. No entanto, esses robôs não são de propósito geral; cada tarefa é especificamente treinada usando teleoperação, exemplos em vídeo e simulação. A abordagem do Google envolve três modelos distintos: Gemini Robotics 2, um modelo VLA que converte entradas visuais e linguísticas em controle motor para controle corporal completo; Gemini Robotics ER 2, um VLM de raciocínio incorporado que atua como o agente cerebral para comunicação, planejamento de tarefas em múltiplas etapas e habilitação da colaboração da equipe de robôs; e Gemini Robotics On-Device 2, um modelo VLA para execução local com adaptação rápida a novos corpos robóticos, herdado do Gemini Robotics 1.5. Para segurança, o Google introduziu o ASIMOV-Agentic, um benchmark para orquestração de segurança agêntica e resolução de incertezas, medindo a capacidade do agente de rejeitar chamadas de ferramentas inseguras e prever a conclusão da tarefa. O Gemini Robotics ER 2 é o modelo de robô mais seguro até agora, detectando a proximidade humana e parando os robôs de acordo. O software roda em corpos robóticos, muitos dos quais são fabricados na China, apesar das recentes restrições dos EUA a robôs de fabricação chinesa.