Google DeepMind leva robôs ao controle de corpo inteiro

A DeepMind amplia sua aposta em robótica

A Google DeepMind apresentou o Gemini Robotics 2 como um passo além dos sistemas robóticos limitados a braços ou à manipulação sobre mesas, em direção a uma autonomia mais ampla de corpo inteiro. Segundo o The Robot Report, o modelo atualizado de visão, linguagem e ação adiciona controle inteligente de corpo inteiro, maior destreza e suporte para vários robôs trabalhando em conjunto.

O anúncio importa porque mira uma lacuna persistente na robótica. Muitos sistemas conseguem executar tarefas de manipulação cuidadosamente orquestradas em ambientes restritos, mas bem menos conseguem combinar percepção, compreensão de linguagem e movimento coordenado em todo um corpo humanoide. A alegação da DeepMind é que o Gemini Robotics 2 se aproxima mais desse limite ao permitir que os robôs raciocinem sobre movimentos como andar, agachar, esticar-se e lidar com objetos como parte de uma única tarefa.

Isso não significa que os humanoides de propósito geral chegaram. O relatório observa com cautela que a velocidade de movimento ainda precisa melhorar. Mas enquadra este lançamento como um passo importante para transformar a IA multimodal de uma camada de demonstração sobre mesa em um controlador para trabalhos físicos mais realistas.

De demonstrações da parte superior do corpo para ação de corpo inteiro

Os modelos anteriores da DeepMind se concentravam no controle da parte superior do corpo para tarefas de mesa. O Gemini Robotics 2, por outro lado, é descrito como capaz de gerenciar o corpo inteiro do robô. O The Robot Report diz que o sistema pode traduzir a intenção do usuário em movimento coordenado de corpo inteiro, permitindo que um humanoide navegue pelo espaço e conclua tarefas que envolvem tanto locomoção quanto manipulação.

Um exemplo do relatório usa o humanoide Apollo 2 da Apptronik. Quando instruído a colocar um regador em uma lixeira verde numa prateleira inferior, o robô é descrito como capaz de interpretar o pedido, caminhar até uma mesa, pegar o objeto, atravessar a sala e colocá-lo no local alvo. Essa sequência é notável não porque qualquer etapa isolada seja inédita, mas porque combina instrução em linguagem natural, manipulação de objetos, caminhada e posicionamento preciso em um único comportamento contínuo.

Se essas capacidades se mostrarem robustas fora de demonstrações controladas, isso representaria uma expansão prática no que as plataformas humanoides podem tentar fazer. Armazéns, laboratórios e ambientes de serviço frequentemente exigem exatamente essa mistura de mobilidade e manipulação, e não apenas movimentos isolados de braços em uma estação fixa.

Destreza e colaboração são os outros destaques

A DeepMind também está enfatizando um controle motor mais fino. O The Robot Report diz que o Gemini Robotics 2 pode controlar a mão SharpaWave, de cinco dedos e 22 graus de liberdade, no Apollo 2. Isso sugere que a empresa não está trabalhando apenas em movimento grosseiro, mas também nos comportamentos mais delicados dos dedos e das mãos necessários para preensão e colocação úteis.

A destreza continua sendo uma das partes mais difíceis da robótica no mundo real. Um robô que consegue atravessar uma sala ainda tem valor limitado se não for capaz de agarrar com confiabilidade objetos mistos, orientá-los corretamente e interagir com ambientes desordenados. Ao destacar o controle avançado da mão, a DeepMind sinaliza que quer que sua pilha de robótica cubra mais do problema de manipulação, e não apenas navegação e interpretação de linguagem.

A empresa também está introduzindo colaboração entre vários robôs. O relatório diz que o Gemini Robotics ER 2, um modelo de raciocínio incorporado construído como um agente de modelo de visão e linguagem, foi projetado para ajudar robôs a se comunicar com pessoas, entender o mundo físico e planejar tarefas de várias etapas que duram vários minutos. A DeepMind está posicionando essa camada de raciocínio como a base para equipes de robôs trabalhando juntas em um trabalho, em vez de agirem como máquinas isoladas.

Esse ponto é estrategicamente importante. Na automação industrial, o valor de um sistema robótico muitas vezes depende da orquestração entre várias máquinas e fluxos de trabalho. Se modelos de IA puderem coordenar transferências ou dividir o trabalho entre robôs, a economia da implantação pode mudar a favor de uma automação mais flexível.

A execução no dispositivo pode ampliar a adoção

Outro elemento notável é a execução local. O The Robot Report diz que o Gemini Robotics 2 pode rodar no dispositivo e se adaptar a corpos robóticos inteiramente novos em questão de horas. A DeepMind apresentou separadamente o Gemini Robotics On-Device 2, dizendo que ele é otimizado para rodar localmente em hardware robótico e pode se adaptar a novas encarnações com poucas horas de dados.

Essa alegação ataca duas restrições reais na implantação em robótica. Primeiro, a dependência da nuvem pode adicionar latência, riscos de confiabilidade e complexidade operacional. Segundo, desenvolvedores de robótica não querem treinar novamente um sistema do zero para cada nova plataforma. Um modelo que possa ser redirecionado rapidamente para diferentes encarnações seria mais atraente para fabricantes de hardware e clientes corporativos que tentam reduzir ciclos de integração.

Ainda assim, a disponibilidade continua limitada. O The Robot Report diz que o Gemini Robotics ER 2 está disponível no Google AI Studio e em prévia privada na Gemini Enterprise Agent Platform, enquanto os modelos VLA e on-device estão sendo oferecidos a parceiros de acesso antecipado. Isso significa que o anúncio ainda está mais próximo de um lançamento controlado do que de uma liberação ampla de produto.

O que o lançamento sinaliza para a IA física

A mensagem mais ampla é que as grandes empresas de IA estão avançando mais fortemente para sistemas físicos, e não apenas para assistentes digitais. A forma como a DeepMind apresenta o tema sugere que ela vê a robótica como o próximo campo em que os modelos multimodais precisam provar que conseguem conectar compreensão a ação. Linguagem, visão e planejamento são úteis, mas em robótica só importam se produzirem movimento confiável em espaços reais e bagunçados.

O Gemini Robotics 2 não encerra a questão sobre os humanoides serem ou não o formato vencedor, nem prova que o controle no estilo de modelos fundacionais resolveu o problema de confiabilidade. Mas indica a direção do campo: modelos capazes de generalizar entre diferentes corpos robóticos, executar localmente, usar locomoção e destreza, e coordenar-se com outros robôs em tarefas de várias etapas.

Por que isso importa

• O lançamento expande o controle de IA da manipulação sobre mesa para o movimento de corpo inteiro.
• A DeepMind combina locomoção com controle hábil das mãos, um requisito central para trabalho prático.
• Operação no dispositivo e adaptação mais rápida podem reduzir barreiras de integração para novo hardware.
• A colaboração entre vários robôs aponta para sistemas de automação mais amplos, e não para máquinas de propósito único.

O teste imediato será ver se os parceiros de acesso antecipado conseguem reproduzir essas capacidades fora de cenários de demonstração. Se conseguirem, o Gemini Robotics 2 pode se tornar um marco importante na transição de demonstrações de IA multimodal para automação física mais capaz.

Este artigo é baseado na cobertura do The Robot Report. Leia o artigo original.