Todas las noticias
Técnica

Gemini Robotics ER 2 llega a Google Cloud para orquestar robots

Por JP Software ·

JP Software
Ilustración de la nota: Gemini Robotics ER 2 llega a Google Cloud para orquestar robots
JP Software

Google Cloud lanzó en vista previa pública Gemini Robotics Embodied Reasoning 2 (ER 2) dentro de su plataforma Gemini. El modelo, desarrollado por Google DeepMind, funciona como un cerebro de razonamiento físico diseñado para que equipos de ingeniería orquesten y supervisen robots en entornos de producción empresarial.

Datos clave

  • Alcanza un 91.3% de precisión al detectar el cuadro exacto donde ocurre un evento crítico, con una distancia media absoluta de 0.96 segundos, según Google.
  • Funciona a 4 veces la velocidad de ejecución frente a categorías de modelos más pesados, según la compañía.
  • Puede leer e interpretar valores visuales en más de 10 categorías de instrumentos, incluidos diales circulares, termómetros de líquido y pantallas digitales.

Razonamiento visual y corrección de pasos

En entornos de automatización física, uno de los cuellos de botella habituales es la verificación: saber si una acción realmente funcionó antes de ejecutar la siguiente. Gemini Robotics ER 2 procesa flujos continuos de video para clasificar el progreso de una tarea en estados binarios o puntuaciones continuas.

Esta capacidad permite que un sistema robótico ajuste o itere sobre pasos fallidos de manera autónoma, evitando reiniciar el flujo completo de trabajo. El modelo también incorpora razonamiento espacial para leer herramientas analógicas de laboratorio o fábricas sin requerir sensores digitales adicionales.

Orquestación agéntica entre distintos robots

El sistema fue diseñado para operar como una capa de inteligencia unificada que puede ejecutarse sobre brazos estacionarios, plataformas móviles de ruedas o robots humanoides. Permite además la colaboración entre múltiples máquinas, compartiendo el entendimiento semántico del espacio de trabajo para dividir responsabilidades.

Los desarrolladores pueden declarar interfaces de control de bajo nivel —como modelos Vision-Language-Action (VLA) o APIs de navegación— como si fueran herramientas (tools) estándar. La máquina traduce comandos en lenguaje natural hacia acciones mecánicas concretas y permite que los operadores redirijan la operación sin código especializado.

La infraestructura se apoya en Google Cloud para tareas de simulación en entornos como MuJoCo-Warp y NVIDIA Isaac Sim, etiquetado de video en Cloud Storage y BigQuery, y ejecución local de baja latencia con Google Distributed Cloud.

Por qué te importa

Si programas o integras sistemas físicos, automatizar operaciones complejas solía exigir escribir scripts rígidos y controladores a medida para cada sensor y cada brazo. Con modelos como Gemini Robotics ER 2, la automatización física adopta la arquitectura de un agente de software: defines herramientas mediante APIs, alimentas video en tiempo real y dejas que el razonamiento determine la secuencia de acciones y la autocorrección.

Comparte esta nota