Google DeepMind ha presentato Gemini Robotics 2, la nuova generazione dei propri modelli di Physical AI per la robotica. Nonostante il grande spazio dedicato agli umanoidi nelle dimostrazioni, i tre modelli della famiglia non sono pensati solo per corpi umanoidi: coprono infatti anche bracci industriali, pinze e robot antropomorfi di uso più tradizionale, adattandosi a corpi di forma e dimensione diverse.
La famiglia comprende tre modelli distinti. Gemini Robotics 2 VLA è il modello vision-language-action che traduce due input, la percezione visiva e il linguaggio, in movimento. Gemini Robotics ER 2 è il modello di ragionamento incarnato (ER sta per embodied reasoning) che pianifica i compiti, coordina più robot e richiama strumenti esterni. Gemini Robotics On-Device 2 è la versione leggera pensata per funzionare in locale senza connessione di rete.
Google DeepMind ha diffuso anche un video di presentazione che mostra i nuovi modelli in azione.
Google DeepMind aveva introdotto la prima generazione di Gemini Robotics nel marzo del 2025, affiancata poco dopo dalla variante On-Device. La nuova release estende queste capacità dalla semplice presa di un oggetto al controllo integrale di un corpo complesso, umanoide o meno.
Tra i partner di ricerca coinvolti nello sviluppo figurano Agile Robots, Apptronik e Boston Dynamics, mentre un programma di accelerazione dedicato sostiene le startup della robotica che lavorano su questi modelli. Google DeepMind afferma di collaborare con oltre 100 tester selezionati, da grandi aziende dell’automazione industriale a startup emergenti del settore, per portare la propria Physical AI verso l’impiego reale in fabbrica e non solo.
Indice degli argomenti
Gemini Robotics 2, il modello VLA per il controllo motorio
Il modello Gemini Robotics 2 è la componente che traduce l’intenzione in movimento. Può essere adattato a un nuovo robot bi-braccio in poche ore di addestramento e scala la propria intelligenza da semplici bracci industriali fino a corpi umanoidi completi, gestendo il baricentro in modo dinamico così che il robot possa piegarsi, accovacciarsi e camminare per muoversi in ambienti reali e non ordinati.
Il modello consente di dotare il robot di un elevato livello di destrezza e può gestire mani e pinze con 22 gradi di libertà, capaci di svitare una lampadina o annodare un sacchetto.
Nei test resi noti da Google DeepMind, condotti con l’umanoide Apollo di Apptronik dotato di mani Inspire, il modello raggiunge un’accuratezza del 68,4% nel prelievo di oggetti da un tavolo, del 45,7% da terra e del 76,3% da uno scaffale.
Con le mani Sharpa lo stesso robot ottiene il 36% nell’avvitare una lampadina, il 92% nello svitarla, il 44% nel chiudere un sacchetto della spazzatura, il 32% nell’uso di una paletta e il 40% nella chiusura di un sacchetto ziplock.
Con la pinza del braccio Franka Duo l’accuratezza sale al 74,2% nel pick and place generico, al 78,9% nel kitting di utensili diversi e all’89,6% nelle operazioni di inserimento di precisione. Il modello si trova per ora in anteprima privata.
Gemini Robotics ER 2, il ragionamento che pianifica e coordina i robot
Gemini Robotics ER 2 lavora come livello di ragionamento superiore: pianifica i compiti in più passaggi, dialoga con le persone e affida l’esecuzione motoria a un modello VLA di livello inferiore, mentre può richiamare strumenti come la ricerca Google o funzioni definite dall’utente.
Integrato nella Gemini Live API, consente al robot di “pensare” al passaggio successivo mentre sta ancora eseguendo l’azione in corso, eliminando le pause tipiche dei sistemi che si fermano per elaborare la decisione successiva.
Rispetto alla precedente versione ER 1.6, il nuovo modello raggiunge un’accuratezza del 57,4% nella classificazione del progresso di un compito, suddiviso in cinque fasce dallo 0-20% all’80-100%, e del 91,3% nell’individuare il momento esatto in cui un’azione va interrotta o completata, con uno scarto medio di 0,96 secondi e una velocità di esecuzione quattro volte superiore ai modelli concorrenti.
Google DeepMind ha mostrato le capacità del modello anche attraverso Spot di Boston Dynamics, comandato tramite le API di navigazione e movimento del manipolatore per recuperare un sacchetto di popcorn su richiesta vocale.
ER 2 introduce anche la collaborazione tra diversi robot, che possono comunicare tramite una comprensione semantica condivisa per dividersi i compiti in base alle rispettive capacità fisiche: nella dimostrazione diffusa da Google DeepMind l’umanoide Apollo 2 di Apptronik lavora insieme al braccio mobile Franka FR3 Duo.
Sul fronte della sicurezza ER 2 fa segnare miglioramenti sui benchmark di rispetto delle istruzioni di sicurezza e di prossimità umana: nei test il modello ferma autonomamente un robot umanoide quando una persona si avvicina e riprende il lavoro solo dopo che l’area è di nuovo libera.
Google DeepMind ha introdotto anche un nuovo benchmark per valutare la capacità di un modello di agire come orchestratore sicuro di un VLA, verificando la sua capacità di far rispettare vincoli fisici, monitorare l’ambiente, valutare la fattibilità di un’azione e chiedere chiarimenti a un operatore umano quando necessario.
Il modello è disponibile pubblicamente tramite Gemini API e Google AI Studio, mentre resta in anteprima privata su Gemini Enterprise Agent Platform.
On-Device 2 per operazioni completamente autonome dalla rete
Gemini Robotics On-Device 2 è la versione più efficiente della famiglia. A differenza degli altri due modelli, pensati per funzionare tramite API e connessione al cloud, On-Device 2 è costruito per girare interamente in locale, sull’hardware del robot stesso.
Questa caratteristica risponde a un’esigenza concreta degli ambienti produttivi: molte linee di fabbrica non garantiscono una connettività di rete stabile, e alcune applicazioni di controllo motorio richiedono una latenza costante che una chiamata cloud non può assicurare. Lo stesso vale per i contesti in cui i dati raccolti dal robot, per motivi di riservatezza industriale, non devono lasciare l’impianto.
Il modello è nativamente multi-embodiment: la stessa base può essere adattata a un corpo robotico completamente nuovo, con forme e sensori diversi, con meno di 200 esempi dimostrativi e poche ore di addestramento. Google DeepMind precisa inoltre che On-Device 2 non si limita ad apprendere nuovi corpi, ma si adatta anche a oggetti e situazioni che non aveva mai incontrato in fase di addestramento.
Sul piano tecnico il modello accetta in ingresso immagini, testo e lo stato d’azione del robot, e restituisce in uscita i comandi motori. Si trova attualmente in fase di test con un gruppo ristretto di sviluppatori selezionati (trusted tester), uno stadio più embrionale rispetto all’anteprima privata del modello VLA principale e alla disponibilità pubblica di ER 2 tramite Gemini API e Google AI Studio.
