A robótica moderna exige muito mais do que motores rápidos e sensores precisos: exige modelos fundacionais capazes de compreender o mundo físico dinâmico, interpretar intenções humanas e coordenar tarefas complexas em tempo real.
Hoje, a equipe do Google DeepMind apresenta o Gemini Robotics ER 2, nosso mais recente modelo multimodal projetado especificamente para corpos robóticos e agentes incorporados (embodied AI).
Principais Inovações do ER 2
O Gemini Robotics ER 2 introduz saltos qualitativos em três áreas fundamentais:
1. Compreensão de vídeo contínua em tempo real: O modelo processa fluxos de vídeo de alta taxa de quadros, permitindo prever trajetórias de objetos em movimento, evitar colisões dinâmicas e ajustar a preensão de ferramentas na fração de um segundo. 2. Orquestração autônoma de ferramentas: Diante de uma tarefa aberta — como "desmonte este equipamento e separe as peças recicláveis" —, o ER 2 identifica as ferramentas necessárias no ambiente (chaves de fenda, alicates, recipientes) e planeja a sequência de ações motoras. 3. Colaboração entre múltiplos robôs: Pela primeira vez, o modelo permite que múltiplos braços robóticos e plataformas móveis comuniquem intenções em linguagem natural e dividam subtarefas de forma coordenada, sem a necessidade de programação prévia de regras rígidas.
Do laboratório para a indústria
Em testes práticos realizados nos laboratórios do Google DeepMind, o Gemini Robotics ER 2 alcançou uma taxa de sucesso de 94,8% em tarefas complexas de montagem e manipulação que anteriormente falhavam com modelos de primeira geração.
"O Gemini Robotics ER 2 une o raciocínio em escala do Gemini com o controle motor preciso, aproximando-nos de assistentes robóticos verdadeiramente versáteis e seguros para ambientes industriais e domésticos." — Steven Hansen & Peng Xu, Pesquisadores Principais
Estamos disponibilizando o modelo para parceiros de pesquisa acadêmica selecionados e continuaremos publicando os benchmarks técnicos e diretrizes de segurança no portal do Google DeepMind.