Gemini Robotics 2.5 chega às linhas de montagem: promessas e zonas de sombra
Em 10 de novembro de 2026, a Google DeepMind anunciou o Gemini Robotics 2.5 num artigo do seu blog assinado por Carolina Parada. O modelo, que a empresa define como a sua arquitetura vision-language-action (VLA) mais avançada, traduz a entrada visual e as instruções recebidas em movimentos mecânicos. O lançamento não inclui uma API pública nem pesos para download, mas sim uma distribuição gradual a parceiros de robótica. A lista de colaboradores, porém, não coincide entre as fontes: o SiliconANGLE inclui Agile Robots, Apptronik e Boston Dynamics, enquanto o The Decoder indica Agile Robots, Apptronik e Mercedes-Benz.
No terreno, a DeepMind descreve um piloto, que classifica como prova de conceito, em linhas de produção ativas da Mercedes-Benz em Kecskemét, na Hungria, e em Sindelfingen, na Alemanha. Durante o teste, os robôs humanoides Apollo 2 da Apptronik — equipados com a mão SharpaWave de cinco dedos e 22 graus de liberdade — executaram tarefas de kitting, retirando peças metálicas de contentores a granel e dispondo-as em tabuleiros na ordem exigida por cada veículo. Segundo a DeepMind, o Gemini Robotics ER acompanhou o fluxo de trabalho, enquanto o Gemini Robotics 2.5 controlou mãos e braços. Sobre a colaboração, Jeff Cardenas, cofundador e CEO da Apptronik, declarou: “Pairing Apollo 2 with Gemini Robotics, we saw the models improve dramatically in just a few weeks of post-training”. Fora do piloto, segundo a DeepMind, o modelo foi testado em mais de 200 tarefas distintas, entre elas manusear pinças para servir comida, fazer laços em caixas de presente e dosear líquidos com uma pipeta.
No que toca à segurança e ao treino, segundo a DeepMind, o Gemini 4 Argon foi usado como motor de simulação; o The Decoder relata que consegue gerar milhares de execuções simuladas a partir de uma única cena real captada por uma câmara. Paralelamente, a empresa disponibilizou no Hugging Face o benchmark ASIMOV-Jailbreak, um dataset com licença cc-by-4.0 e acesso sujeito à aceitação de condições específicas. O README da plataforma descreve-o como um conjunto de 845 episódios distribuídos por 15 grupos de estratégias e 41 critérios de avaliação, enquanto o artigo de apresentação fala, de forma mais genérica, em centenas de prompts. Neste teste, o Gemini 4 Argon registou uma resistência a jailbreaks de 99,5%, contra 82% do anterior modelo de referência, o Gemini Robotics ER 2. Segundo medições internas, a orientação através de raciocínio em tempo de inferência aumentou ainda a conclusão segura das tarefas em 33% na presença de obstáculos e em 43% junto de pessoas.
Por mais interessante que seja a passagem para a fábrica, os dados devem ser lidos com cautela. Todos os desempenhos citados — incluindo os 96% de sucesso no kitting industrial e as melhorias relativas de 30% a 100% face a linhas de base não especificadas — provêm de avaliações conduzidas pela DeepMind sem verificação independente. Não existe um relatório técnico dedicado nem uma model card específica para o Gemini Robotics 2.5. Além disso, não foram divulgados a duração nem o número de ciclos do teste industrial, e não há declarações diretas da Mercedes-Benz: a única voz dos parceiros é a do CEO da Apptronik. A integração entre modelos de linguagem e manipulação física avança, mas a distância entre uma demonstração controlada e a plena maturidade de processo continua por medir.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- Li na íntegra o artigo oficial da DeepMind (data, autora, números, detalhes do piloto, estatuto de prova de conceito, acesso apenas para parceiros, segurança) e a página do dataset google/asimov_agentic no Hugging Face (845 episódios, acesso condicionado, licença). Confirmações independentes: The Decoder (10/11: fábricas, kitting, 96%, divisão ER/2.5, ASIMOV) e SiliconANGLE (11/11: 200 tarefas, percentagens, parceiros, citação de Cardenas). O contexto de 2025 sobre a Mercedes e a Apptronik vem da WardsAuto e da Autocar. As páginas da Apptronik (404), da Mercedes-Benz (403) e da automate.org (403) não estavam acessíveis; descartei o humanoid.guide porque reproduz um post do LinkedIn.
- Incertezze
- Todos os números (200 tarefas, +30-100%, +20-30% de velocidade, 96% no piloto, +33%/+43% de segurança, 99,5% contra 82%) vêm de avaliações internas da DeepMind, sem verificação independente. Sobre os 96%, desconhecem-se o número de ensaios, a duração do piloto e os critérios de sucesso. Não há declarações diretas da Mercedes-Benz: a única voz dos parceiros é o CEO da Apptronik. As “previous baselines” não são especificadas. A lista de parceiros muda entre os meios (Boston Dynamics para o SiliconANGLE, Mercedes-Benz para o The Decoder). O ASIMOV-Jailbreak é descrito como “centenas de prompts” no artigo e 845 episódios no README; um digest secundário fala em 1.500 prompts (não verificado). O artigo chama-lhe open source, mas o acesso exige aceitar condições. Os 99,5% referem-se ao Gemini 4 Argon, não ao Gemini Robotics 2.5, que não tem model card nem relatório técnico.
- Perché pubblicarla
- É um dos primeiros casos documentados de um modelo VLA generalista em linhas ativas de um grande fabricante automóvel, e permite explicar a diferença entre um piloto com 96% de sucesso e uma adoção industrial verdadeira. Além disso, a DeepMind publica um benchmark público de segurança física que permite a terceiros medir um tema até agora pouco explorado: os jailbreaks em robôs.
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)