Gemini Robotics 2.5 combina visión, lenguaje y acción para que los robots manipulen objetos de manera autónoma. En pruebas industriales realizadas en plantas de Mercedes-Benz, el sistema alcanzó un 96% de éxito y completó tareas hasta un 30% más rápido que su versión anterior.
Google DeepMind presentó Gemini Robotics 2.5, un modelo de inteligencia artificial que permite a los robots aprender y ejecutar más de 200 tareas diferentes en pocas semanas. La tecnología combina visión, lenguaje y acción para que las máquinas puedan interpretar instrucciones, reconocer objetos y manipularlos sin necesidad de recibir una programación detallada de cada movimiento.
El avance apunta a ampliar el uso de robots en entornos industriales y actividades que requieren destreza manual. Entre las tareas evaluadas aparecen acciones cotidianas y de precisión, como servir comida con pinzas, atar un lazo en una caja de regalo y manipular líquidos con una pipeta de laboratorio.
Según las pruebas difundidas por la compañía, Gemini Robotics 2.5 consigue entre un 30% y un 100% más de éxito que su versión anterior, dependiendo de la actividad. Además, completa las tareas entre un 20% y un 30% más rápido.
Qué pueden hacer los robots de Google
La principal característica de Gemini Robotics 2.5 es su capacidad para integrar tres funciones: percepción visual, comprensión del lenguaje y ejecución de movimientos.
En la práctica, el robot puede observar un objeto, interpretar una orden y utilizar sus brazos y manos para cumplirla. Esto permite que se adapte a distintas situaciones sin que un programador deba definir previamente cada paso de la operación.
El modelo fue probado en más de 200 tareas, con actividades que van desde el servicio de alimentos hasta la manipulación de instrumentos y materiales de laboratorio.
Otra característica es que puede funcionar en diferentes plataformas robóticas. Entre ellas se encuentra Apollo 2, el robot humanoide desarrollado por la empresa Apptronik, que incorpora una mano de cinco dedos con 22 grados de libertad denominada SharpaWave.
También opera en Franka Duo, una plataforma equipada con pinzas de dos dedos. La compatibilidad con distintos cuerpos robóticos permite trasladar las capacidades del modelo a máquinas con diferentes diseños y funciones.
La prueba de los robots en fábricas de Mercedes-Benz
Uno de los principales desafíos para esta tecnología es demostrar que puede funcionar fuera de los laboratorios. Para evaluar su desempeño en condiciones reales, Google DeepMind llevó Gemini Robotics 2.5 a plantas de producción de Mercedes-Benz en Kecskemét, Hungría, y Sindelfingen, Alemania.
Allí, los robots Apollo 2 realizaron de manera autónoma tareas de kitting: tomar piezas sueltas de contenedores y organizarlas en bandejas siguiendo la secuencia exacta que requiere cada vehículo durante su fabricación.
Se trata de una actividad repetitiva y físicamente exigente, que demanda precisión y continuidad. Al automatizar ese proceso, los robots pueden liberar a los trabajadores para que se concentren en tareas de ensamblaje más complejas.
El sistema utiliza un modelo de razonamiento para interpretar el flujo de trabajo y otro de acciones para controlar los movimientos de brazos y manos. Además, puede corregir desvíos durante la operación sin requerir intervención humana.
En estas pruebas, la tecnología alcanzó una tasa de éxito del 96%.
“Para esto fue para lo que construimos Apollo: para realizar un trabajo útil junto a las personas en entornos industriales reales”, afirmó Jeff Cardenas, cofundador y director ejecutivo de Apptronik.
El directivo también destacó que la combinación de Apollo 2 con Gemini Robotics permitió mejorar notablemente el desempeño de los robots en pocas semanas de entrenamiento adicional y mantener esos resultados al trasladarlos a las líneas de producción de Mercedes-Benz.
Cómo aprende la inteligencia artificial a manipular objetos
Detrás de este avance se encuentra Gemini 4 Argon, un modelo de Google que funciona como motor de simulación para acelerar el entrenamiento de los robots.
La herramienta puede generar miles de ensayos simulados a partir de una escena registrada con cámaras reales. De esta manera, construye lo que la compañía denomina un gemelo digital de alta precisión, una representación virtual del entorno físico.
Al combinar esas simulaciones con demostraciones reales, los investigadores pueden entrenar a los robots para reconocer objetos y resolver situaciones nuevas en menos tiempo.
El sistema también permite analizar por qué una máquina falla durante una tarea a partir de las grabaciones de video. Con esa información, los desarrolladores pueden probar modificaciones en el entorno virtual antes de trasladarlas al robot físico.
El papel del tacto en el entrenamiento de los robots
Otro de los componentes del desarrollo es un sistema de entrenamiento basado en información táctil compartida entre diferentes robots.
Esta tecnología utiliza un conjunto de datos de origen chino que reúne unas 5.000 horas de manipulación de objetos. La información permite construir una base de aprendizaje común para que distintas plataformas puedan aprovechar las experiencias acumuladas por otras máquinas.
De esa manera, un robot puede trasladar conocimientos adquiridos durante una tarea a situaciones que todavía no enfrentó, incluso cuando opera con un cuerpo o una configuración diferente.
La combinación de visión, lenguaje, razonamiento y tacto representa un paso hacia robots capaces de adaptarse a entornos más complejos. Con Gemini Robotics 2.5, Google DeepMind busca ampliar las aplicaciones de la inteligencia artificial física y acercar estas tecnologías a actividades industriales que hasta ahora dependían de la intervención manual de las personas.
Fuente: Infobae.