Google DeepMind presentó Gemini Robotics 2.5, su modelo de visión-lenguaje-acción más capaz hasta ahora, según la empresa. En una prueba de concepto en líneas de Mercedes-Benz en Hungría y Alemania, el humanoide Apollo 2, de Apptronik, realizó la separación de piezas automotrices con 96% de éxito. El modelo fue evaluado en más de 200 tareas y, según DeepMind, tuvo una tasa de éxito de 30% a 100% mayor que las baselines anteriores, concluyendo tareas de 20% a 30% más rápido.
Google DeepMind presentó Gemini Robotics 2.5, descrito por la empresa como su modelo de visión-lenguaje-acción (VLA) más capaz hasta el momento. Según el anuncio, el modelo amplía tanto la variedad de habilidades que un robot puede aprender como la velocidad con que las adquiere, con foco en destreza, confiabilidad y seguridad para llevar máquinas de laboratorios a entornos reales menos estructurados.
El material divulgado por la empresa cita tres frentes principales de avance: destreza, con robots capaces de usar herramientas del día a día y lidiar con objetos delicados y flexibles; confiabilidad, medida en una prueba de concepto en líneas de producción de Mercedes-Benz; y seguridad, con mejoras en la capacidad de esquivar riesgos físicos y un nuevo benchmark contra intentos de burlar restricciones de seguridad.
Evaluación en más de 200 tareas
De acuerdo con Google DeepMind, el modelo fue evaluado en más de 200 tareas distintas, entre ellas servir comida con pinzas, hacer un lazo en una caja de regalo y pipetear un líquido. La empresa afirma que esas tareas combinan habilidades como uso avanzado de herramientas, manipulación compleja de objetos deformables y manejo de artículos delicados.
El anuncio relata que, en comparación con baselines anteriores, Gemini Robotics 2.5 alcanza una tasa de éxito de 30% a 100% mayor, según el tipo de tarea, y concluye las tareas de 20% a 30% más rápido. Esos números son los divulgados por la propia empresa y no fueron verificados de forma independiente a partir del material disponible.
Según DeepMind, el modelo funciona de forma nativa con diferentes tipos de robot, incluido el humanoide Apollo 2, de Apptronik, equipado con la mano SharpaWave de cinco dedos y 22 grados de libertad, y la plataforma Franka Duo, con garras paralelas de dos dedos.
Prueba en líneas de Mercedes-Benz
La prueba de concepto se realizó en asociación con Apptronik y Mercedes-Benz, en líneas de producción activas en Kecskemét, Hungría, y en Sindelfingen, Alemania. En la prueba, Apollo 2 ejecutó de forma autónoma la llamada preparación de kits automotrices: separar piezas de cajas a granel y organizarlas en bandejas en el orden exacto exigido para cada vehículo en la línea.
El flujo combina dos modelos. Gemini Robotics ER acompaña el avance del trabajo, mientras que Gemini Robotics 2.5 controla manos y brazos. Según el anuncio, el robot toma soportes metálicos de los recipientes de suministro y los coloca en los contenedores de secuenciación, corrigiendo eventuales fallas, con 96% de tasa de éxito.
La empresa argumenta que quitar a los técnicos ese trabajo repetitivo y físicamente desgastante ayuda a mantener la línea de montaje en movimiento y libera a las personas para tareas de montaje más complejas. El texto atribuye a Apptronik la afirmación de que los modelos mejoraron de forma acentuada en pocas semanas de posentrenamiento y tuvieron poca pérdida de desempeño al ser llevados a la producción de Mercedes-Benz.
Seguridad y el benchmark ASIMOV-Jailbreak
Google DeepMind afirma haber avanzado en la seguridad física del modelo. Según la empresa, Gemini Robotics 2.5 usa orientación de razonamiento en el momento de la inferencia para esquivar peligros físicos en tiempo real. En las evaluaciones citadas, ese recurso aumentó en 33% la conclusión segura de tareas cerca de obstáculos y en 43% cerca de personas.
Para tareas largas y agénticas, la empresa dice que Gemini 4 Argon lidera sus evaluaciones de robótica en rechazo de tareas inseguras, resolución de incertidumbres y trabajo cerca de humanos. El anuncio también presenta ASIMOV-Jailbreak, un benchmark de código abierto con cientos de prompts que disfrazan pedidos inseguros en decenas de escenarios. Según DeepMind, Argon alcanza 99,5% de resistencia a jailbreaks, frente a 82% de la baseline anterior, Gemini Robotics ER 2.
El texto describe además el papel de Gemini 4 Argon en el desarrollo del propio Gemini Robotics 2.5. La empresa afirma que el modelo actúa como un motor de simulación, generando miles de ejecuciones simuladas a partir de una escena real capturada por cámara y construyendo un gemelo digital realista, lo que, combinado con demostraciones reales, ayudaría al robot a generalizar para nuevas escenas y objetos con más rapidez.
DeepMind dice que Argon también ayuda a los investigadores a plantear hipótesis sobre por qué falló una tarea, a partir de videos, y a probar mejoras tanto en simulación como directamente en robots reales. La empresa cierra el anuncio clasificando Gemini Robotics 2.5 como un hito en el camino hacia lo que llama AGI física.
Hay límites claros en lo que se divulgó. El material no informa cuántos robots participaron en la prueba en Mercedes-Benz, cuánto tiempo duró la prueba de concepto, en qué condiciones se midieron los 96% de éxito ni cómo se condujeron las evaluaciones. Tampoco hay detalles sobre precio, cronograma de disponibilidad pública o qué socios recibirán el modelo primero. El anuncio afirma solo que Gemini Robotics 2.5 está siendo liberado para los socios de robótica de la empresa.
Los números de desempeño, seguridad y resistencia a jailbreaks provienen exclusivamente de Google DeepMind y de sus socios citados en el anuncio. Hasta el momento, no hay indicación en el material de replicación independiente de esos resultados.
Fuente original: Google DeepMind — Gemini Robotics 2.5 accelerates real-world general dexterity.
Recibe Radar de IA todos los días
Las noticias de inteligencia artificial que importan — con nuestro prisma y siempre con las fuentes. Gratis.






