Gemini Robotics 2.5 entra en las naves de montaje: promesas y zonas de sombra
El 10 de noviembre de 2026, Google DeepMind anunció Gemini Robotics 2.5 en una entrada de su blog firmada por Carolina Parada. El modelo, que la compañía define como su arquitectura vision-language-action (VLA) más avanzada, traduce la entrada visual y las instrucciones recibidas en movimientos mecánicos. El lanzamiento no incluye una API pública ni pesos descargables, sino una distribución gradual entre socios de robótica. La lista de colaboradores, sin embargo, no coincide entre las fuentes: SiliconANGLE incluye a Agile Robots, Apptronik y Boston Dynamics, mientras que The Decoder cita a Agile Robots, Apptronik y Mercedes-Benz.
Sobre el terreno, DeepMind describe un piloto, que califica de prueba de concepto, en líneas de producción activas de Mercedes-Benz en Kecskemét (Hungría) y Sindelfingen (Alemania). Durante la prueba, los robots humanoides Apollo 2 de Apptronik —equipados con la mano SharpaWave de cinco dedos y 22 grados de libertad— realizaron tareas de kitting: tomaban piezas metálicas de contenedores a granel y las colocaban en bandejas en el orden que requería cada vehículo. Según DeepMind, Gemini Robotics ER siguió el flujo de trabajo, mientras que Gemini Robotics 2.5 controló manos y brazos. Sobre la colaboración, Jeff Cardenas, cofundador y CEO de Apptronik, declaró: «Pairing Apollo 2 with Gemini Robotics, we saw the models improve dramatically in just a few weeks of post-training». Fuera del piloto, según DeepMind, el modelo se probó en más de 200 tareas distintas, como manejar pinzas para servir comida, hacer lazos en cajas de regalo o dosificar líquidos con una pipeta.
En cuanto a seguridad y entrenamiento, según DeepMind, Gemini 4 Argon se utilizó como motor de simulación para el entrenamiento; The Decoder informa de que puede generar miles de ejecuciones simuladas a partir de una escena real grabada por una cámara. Paralelamente, la empresa publicó en Hugging Face el benchmark ASIMOV-Jailbreak, un conjunto de datos con licencia cc-by-4.0 y acceso sujeto a la aceptación de ciertas condiciones. El README de la plataforma lo describe como una suite de 845 episodios organizada en 15 grupos de estrategias y 41 criterios de evaluación, mientras que la entrada de presentación habla de forma más genérica de cientos de prompts. En esta prueba, Gemini 4 Argon registró una resistencia a los jailbreaks del 99,5 %, frente al 82 % del anterior modelo de referencia, Gemini Robotics ER 2. Según mediciones internas, guiar al modelo mediante razonamiento en inferencia también aumentó la finalización segura de las tareas un 33 % ante obstáculos y un 43 % cerca de personas.
Por interesante que sea el salto a la fábrica, los datos deben leerse con cautela. Todas las cifras citadas —incluido el 96 % de éxito en kitting industrial y las mejoras relativas del 30 % al 100 % frente a líneas base no especificadas— proceden de evaluaciones realizadas por DeepMind sin verificación independiente. No consta un informe técnico ni una model card específica de Gemini Robotics 2.5. Tampoco se han dado a conocer la duración ni el número de ciclos de la prueba industrial, y no hay declaraciones directas de Mercedes-Benz: la única voz de los socios es la del CEO de Apptronik. La integración entre modelos de lenguaje y manipulación física avanza, pero la distancia entre una demostración controlada y la plena madurez de proceso está aún por medir.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- Leí completo el post oficial de DeepMind (fecha, autora, cifras, detalles del piloto, carácter de prueba de concepto, acceso solo para socios, seguridad) y la página del dataset google/asimov_agentic en Hugging Face (845 episodios, acceso condicionado, licencia). Confirmaciones independientes: The Decoder (10/11: plantas, kitting, 96 %, reparto ER/2.5, ASIMOV) y SiliconANGLE (11/11: 200 tareas, porcentajes, socios, cita de Cardenas). El contexto de 2025 sobre Mercedes y Apptronik procede de WardsAuto y Autocar. No eran accesibles las páginas de Apptronik (404), Mercedes-Benz (403) y automate.org (403); descarté humanoid.guide porque reproduce un post de LinkedIn.
- Incertezze
- Todas las cifras (200 tareas, +30-100 %, +20-30 % de velocidad, 96 % en el piloto, +33 %/+43 % de seguridad, 99,5 % frente a 82 %) proceden de evaluaciones internas de DeepMind, sin verificación independiente. Del 96 % no se conocen el número de pruebas, la duración del piloto ni los criterios de éxito. No hay declaraciones directas de Mercedes-Benz: la única voz de los socios es el CEO de Apptronik. Las «previous baselines» no se especifican. La lista de socios cambia según el medio (Boston Dynamics para SiliconANGLE, Mercedes-Benz para The Decoder). ASIMOV-Jailbreak se describe como «cientos de prompts» en el post y 845 episodios en el README; un digest secundario habla de 1.500 prompts (sin verificar). El post lo llama open source, pero el acceso exige aceptar condiciones. El 99,5 % corresponde a Gemini 4 Argon, no a Gemini Robotics 2.5, que no tiene model card ni informe técnico.
- Perché pubblicarla
- Es uno de los primeros casos documentados de un modelo VLA generalista en líneas activas de un gran fabricante de automóviles, y permite explicar la diferencia entre un piloto con un 96 % de éxito y una adopción industrial real. Además, DeepMind publica un benchmark público de seguridad física que permite a terceros medir un tema hasta ahora poco explorado: los jailbreaks en robots.
Fonti / Sources
- Google DeepMind — Gemini Robotics 2.5: Accelerating Physical Intelligence (blog ufficiale)
- Google — dataset ASIMOV (incluso ASIMOV-Jailbreak) su Hugging Face
- The Decoder — Gemini Robotics 2.5 scores 96 percent in a Mercedes-Benz assembly pilot (Maximilian Schreiner)
- SiliconANGLE — Google DeepMind releases new advanced robotics AI model (Kyt Dotson)