Annunciato il 30 luglio 2026, il rilascio è incentrato su un modello VLA (visione-linguaggio-azione) che converte ciò che un robot vede e sente in precisi comandi motori. DeepMind lo descrive come il livello di intelligenza per la robotica generica e l'azienda ha posizionato il lancio come un punto di svolta nel portare l'intelligenza artificiale fuori dalle finestre di chat e nel mondo fisico. Per ulteriori informazioni sulla più ampia spinta del settore verso l'intelligenza artificiale incorporata, segui le nostre ultime notizie sull'intelligenza artificiale.
Tre modelli, un sistema
DeepMind ha distribuito tre modelli complementari nella gamma Gemini Robotics 2:
- Gemini Robotics 2: il modello VLA di punta che traduce la visione e il linguaggio in controllo motorio, consentendo a un robot di eseguire azioni fisiche.
- Gemini Robotics ER 2: un modello di ragionamento incarnato in grado di comprendere gli spazi fisici e produrre piani dettagliati in più fasi che si coordinano con gli esseri umani e altri robot.
- Gemini Robotics On-Device 2: una versione leggera del modello VLA ottimizzata per l'esecuzione locale su hardware robotico, riducendo la dipendenza dalla connettività cloud.
Secondo il blog DeepMind, ciascun modello ha un ruolo specialistico, ma i tre sono progettati per funzionare come un unico sistema integrato. Il modello VLA gestisce l'azione in tempo reale, il modello ER gestisce la pianificazione di livello superiore e la variante sul dispositivo consente risposte a bassa latenza sul robot stesso.
Dai piedi alle punte delle dita
L’affermazione più sorprendente nell’annuncio è ciò che DeepMind chiama controllo intelligente di tutto il corpo. Invece di addestrare un robot a ripetere un movimento, Gemini Robotics 2 è progettato per comandare un intero corpo umanoide, dai piedi alla punta delle dita, consentendo movimenti a gamma completa simili a quelli umani, tra cui piegarsi, allungarsi e bilanciarsi.
DeepMind ha evidenziato diversi parametri di riferimento di destrezza. Nelle dimostrazioni, i robot alimentati dal modello sono stati mostrati mentre avvitavano lampadine, facevano nodi ed eseguivano altre azioni delicate che richiedevano un controllo motorio accurato. Il laboratorio ha affermato che il sistema raggiunge un nuovo livello di destrezza che consente ai robot di completare compiti che richiedono vera finezza piuttosto che brutale ripetizione.
L'azienda ha anche sottolineato l'adattabilità. Gemini Robotics 2 può essere adattato a qualsiasi robot bibraccio in poche ore, ha affermato DeepMind, il che significa che la stessa intelligenza sottostante può passare da un braccio da tavolo a un umanoide complesso senza un ciclo completo di riqualificazione. Questa generalizzazione rappresenta un significativo allontanamento dalla robotica convenzionale, dove ciascuna macchina richiede in genere un software appositamente creato.
Robot che lavorano insieme
Un’altra capacità principale è la collaborazione multi-robot. DeepMind ha affermato che Gemini Robotics 2 supporta scenari in cui due robot lavorano insieme su un unico compito, dividendo il lavoro in uno spazio fisico condiviso. Il modello ER 2 gestisce il coordinamento: ragionamento sull'ambiente, mappatura di una sequenza a più passaggi e assegnazione dei passaggi tra le macchine.
In una dimostrazione citata dall’azienda, una coppia di robot ha collaborato per pulire una stanza, dividendosi il lavoro invece di scontrarsi l’uno con l’altro. DeepMind ha inquadrato questo come una prima prova del fatto che l’intelligenza artificiale può gestire non solo azioni individuali ma l’orchestrazione di più agenti nel mondo reale.
Interattivo e istruibile
Oltre al funzionamento autonomo, i modelli sono progettati per essere interattivi. Gemini Robotics 2 può spiegare il suo approccio mentre esegue un'azione e gli utenti possono reindirizzare un robot durante un'attività utilizzando il linguaggio quotidiano anziché comandi tecnici. DeepMind ha affermato che ciò rende la piattaforma particolarmente adatta per istruire i robot in ambienti volatili o pericolosi in cui gli operatori umani devono modificare i piani al volo.
Perché è importante
Il lancio intensifica una corsa già affollata di robot umanoidi. Aziende come Figure, Boston Dynamics e Tesla si sono affrettate a commercializzare macchine da lavoro e da passeggio, mentre i produttori di chip come Nvidia hanno investito molto nella simulazione e nell'infrastruttura di calcolo richiesta dall'intelligenza artificiale fisica.
La scommessa di DeepMind è che un singolo livello di intelligenza generico – uno che ragiona sul mondo fisico nel modo in cui un chatbot ragiona sul testo – può sostituire il software ristretto e su misura che ha definito la robotica industriale per decenni. Se il sistema potesse effettivamente adattarsi a qualsiasi forma di realizzazione in poche ore, abbasserebbe la barriera per produttori e ricercatori che desiderano implementare robot capaci senza ricominciare ogni volta da zero.
La società ha affermato che sta lavorando con partner hardware fidati per espandere la piattaforma e ha pubblicato la documentazione sulla responsabilità e sulla sicurezza insieme al rilascio. Rimangono domande su come questi modelli si comportano al di fuori delle dimostrazioni controllate e sulla rapidità con cui il controllo umanoide dell'intero corpo può tradursi in un'implementazione affidabile nel mondo reale.
Tuttavia, l’ampiezza del lancio – movimento di tutto il corpo, ragionamento in più fasi, efficienza sul dispositivo e coordinamento multi-agente in un’unica famiglia di prodotti – segnala che Google intende essere un attore primario nella convergenza di grandi modelli di intelligenza artificiale e macchine fisiche.
Stai al passo con l'intelligenza artificiale
La frontiera della robotica si sta muovendo rapidamente e AI Buzz Wire sta monitorando ogni importante sviluppo. Leggi altre notizie sull'intelligenza artificiale per una copertura continua sui rilasci di modelli, innovazioni hardware e cambiamenti del settore.
Esplora gli ultimi sviluppi dell'IA →
