Google Lança IA Gemini Robotics ER 2: Robôs Mais Inteligentes e Colaborativos

A Google anunciou o lançamento do Gemini Robotics ER 2, seu mais recente e avançado modelo de inteligência artificial voltado para a robótica. Esta nova versão tem o objetivo de aprimorar a interação dos robôs com seres humanos, coordenar a execução de tarefas complexas e facilitar a colaboração entre diferentes máquinas. A empresa acredita que este modelo desbloqueará todo o potencial da robótica e impulsionará o desenvolvimento da inteligência artificial de propósito geral.

Segundo informações divulgadas pela própria Google, o Gemini Robotics ER 2 funciona como um "cérebro" de alto nível para os robôs. A atualização permite que as máquinas estabeleçam diálogos com pessoas, compreendam o ambiente físico ao seu redor e planejem sequências de ações compostas por múltiplos passos. Para alcançar esses resultados, a DeepMind otimizou significativamente o processamento das ações e o planejamento dos próximos movimentos.

Em vez de executar movimentos de forma direta, o Gemini Robotics ER 2 delega o controle de ações de baixo nível a modelos de visão-linguagem-ação (VLA). Isso possibilita que a IA "pense" no próximo passo enquanto o robô já está em movimento. Além disso, o sistema tem a capacidade de utilizar ferramentas externas, como a Pesquisa Google ou funções customizadas por desenvolvedores, para complementar tarefas que exijam informações adicionais.

Outra melhoria notável em relação à versão anterior é a forma como a IA processa vídeo de maneira contínua. Essa capacidade permite que o robô acompanhe seu próprio progresso em uma tarefa, identifique erros em tempo real e saiba exatamente quando uma fase foi concluída antes de iniciar a próxima. Diferentemente do Gemini Robotics ER 1.6, esta nova versão não necessita reiniciar todo o fluxo de trabalho em caso de falhas.

Gemini Robotics ER 2 Facilita a Colaboração entre Robôs

Uma das novidades mais importantes do Gemini Robotics ER 2 é a capacidade de promover a colaboração entre múltiplos robôs. O modelo possibilita que diferentes tipos de máquinas trabalhem em conjunto em ambientes compartilhados, utilizando uma compreensão semântica comum. A Google demonstrou essa capacidade com um exemplo onde um robô Franka F3 Duo organizava objetos em caixas, enquanto um Apollo 2 da Apptronik os arrumava em uma prateleira – uma tarefa que nenhum dos robôs conseguiria realizar sozinho.

Para minimizar as pausas entre as ações, o Gemini Robotics ER 2 integra-se à API do Gemini Live. Os engenheiros da DeepMind implementaram um streaming bidirecional projetado para reduzir a latência, eliminando interrupções onde o robô precisava parar para pensar antes de executar o próximo movimento.

A classificação contínua do progresso e a identificação precisa do término de uma tarefa são pilares deste modelo. Na classificação de progresso, o Gemini Robotics ER 2 atribui a cada quadro de vídeo um nível de avanço em cinco estágios, de 0 a 100%, com 57,4% de precisão. Para identificar momentos-chave e o quadro exato em que ocorre um evento crítico, o modelo atinge 91,3% de precisão, com uma margem de erro de apenas 0,96 segundos. Segundo a Google, esta performance é quatro vezes mais rápida do que a de qualquer outro LLM, e com uma fração do custo computacional.

IA Capaz de Detectar Humanos e Parar o Robô

Em termos de segurança, a Google destaca que o Gemini Robotics ER 2 é o modelo mais avançado. A nova versão supera significativamente seu predecessor em testes de acompanhamento de instruções de segurança e detecção de proximidade humana. Em cenários práticos, o modelo pode interromper automaticamente a operação de um robô humanoide ao detectar a presença de uma pessoa próxima e retomar o trabalho de forma autônoma quando a área estiver livre.

O Gemini Robotics ER 2 já está disponível para desenvolvedores através da API do Gemini e do Google AI Studio.